基于mahout的动漫推荐系统

一个课的大作业，要做一个推荐系统，花了两天的时间，不过组里有同学之前做的推荐系统，这个就没有用上，算自己滴一种锻炼吧，以前都没有接触过这些。

很简单，直接用mahout里的taste引擎，用了里面提供的很多种算法。

等有时间了把分析补上。

注：slopeone算法在mahout0.9已经被移除，想用的用以前版本。

效果图：

获得结果：

源代码https://github.com/lanelane/Demo

数据集来源：

该数据集包含来自12,294个动漫的73,516个用户的用户偏好数据。每个用户都可以将动画添加到已完成的列表中并为其评分，该数据集把这些评级整理起来。

下载：https://www.kaggle.com/CooperUnion/anime-recommendations-database

 

 

 

 

————————————————————————————记录taste引擎做推荐系统的测试结果

只是用recommender获取推荐结果的时间，来源是csv文件

存一下某些测试结果。

一 基于内容

1 GenericItemBasedRecommender

参数(7,3)：

参数（2，4）：

参数（450，3）：

参数（1，4）

2 GenericBooleanPrefItemBasedRecommender

参数（450，3）：

参数（80，2）：

参数（1，4）：

3 ItemAverageRecommender

参数（80，2）：

参数（1200，2）；

参数（1，4）：

4 ItemUserAverageRecommender

参数（80，2）：

参数（1，4）：

5 SlopeOne

参数（1200，5）：

java.lang.OutOfMemoryError：GC overhead limit exceeded

内存溢出

SlopeOne初始化时计算所有的两个物品之间的评分均值。存在内存中（map：具体是FastByIDMap），这样，当要计算某个用户对某个未评分的商品的评分时，可以直接从内存中取均值。

所有导致 堆不够用啊啊啊

气死我了，不想加大内存，我决定放弃这个算法了

 

二 基于用户

1 GenericBooleanPrefUserBasedRecommender

参数（5，3）：

参数（18，2）：

参数（1，4）：

好快

 

2 GenericUserBasedRecommender

参数（5，3）：

没有推荐的结果！！

如果没有推荐的结果，可以让用户用另一个推荐器

参数（18，2）：

参数（64995，2）：

参数（1，4）：

三 基于Model

1 SVDRecommender

参数（80，2）：

参数（1，4）：