Mahout中基于项目的CF主要步骤

这里只是记录整个算法的主要流程，中间没有涉及到具体的细节。

假设原始的数据集的格式如下：

第一步：生成用户向量(user-vector)，最终输出结果为，这个vector记录了这个userId打过分的所有项目的打分值。

第二步：生成项目向量(item-vector)，map的输入为第一步的输出，这一步最后的输出为，这个vector记录了所有对这个itemId打过分的userId，以及对应的打分值。

第三步：计算Item Similarity，根据步骤一生成的用户向量（实际上经过了进一步的处理）计算item similarity

             对于每一个用户向量，首先将基按照itemId升序排序，例如，假如有用户A和用户B的用户向量，A对1，2，3，4这四个item打分了，B对2，3，5这三个item打分了，排序之后 有A->1,2,3,4 ；B->2,3,5 ,对于某一个用户向量，可以认为里面的某一个item与它后面（包括自身）的items存在某种相似度（因为它们出现在同一个用户向量中，可能具有一定的关联），例如对于向量A ，可以认为 1和1，2，3，4有相似度，2和2，3，4有相似度，3和3，4有相似度，4 和4有相似度，所以对于一个用户向量，最终输出多组关系：

对于A输出  ： 

        (1)   <1,vector<1,2,3,4>>;

        (2)   <2,vector<2,3,4>>;

        (3)   <3,vector<3,4>>

        (4)   <4,vector<4>>

对于B输出  ： 

        (5)   <2,vector<2,3,5>>;

        (6)   <3,vector<3,5>>;

        (7)   <5,vector<5>>

最后 reduce的时候，key相同的关系对汇总到一块，例如在上面的例子中(2) 和(5)合并，(3)和(6)合并

经过这个步骤之后，可以得到和某个item相似的其它item，它们构成了一个上三角形的相似度矩阵(前面对每个用户向量按itemId升序排序保证了最后得到一个上三角形)，经过简单的变换后可以由这个上三角形矩阵获得整个相似度矩阵，它是对称矩阵。到此，相似度矩阵生成，item similarity 计算完毕。

第四步：根据用户向量(第一步得到)和第三步得到的相似度，得到结果 ,List>>，即对于某一个item，输出：

   1. 它的相似度向量，即item-vector

   2. 对这个item打过分的所有用户id

   3. 用户打分值

这三个输出组合成一个 VectorAndPrefsWritable对象，所以输出的是

第五步： 根据第四步输出，得到结果 > ，即这个user对某一个item打分值为pref,并且这个item的相似度向量为vector。那么很明显，这个vector里面的items是有可能被推荐给这个用户的，例如，假如最后 用户A对item1 打分了，item1的相似度向量中包含item2和item3，同时A也对item4打分了，item4的相似度向量中包含item2和item5，即：

用户      打分item      与打分item相似的items

  A         item1          item2    item3

  A         item4          item2    item5

显然item2,3,5都有可能被推荐给用户A ,可以计算出将它们推荐给A的相似度有多大，具体怎么计算还是看源代码吧，发现语言好难组织。好吧，我是菜鸟。