【甘道夫】Mahout推荐算法编程实践
引言
Taste是曾经风靡一时的推荐算法框架，后来被并入
Mahout中，Mahout的部分推荐算法基于Taste实现。
下文介绍基于Taste实现最常用的UserCF和ItemCF。
本文不涉及
UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。
欢迎转载，请注明来源：
http://blog.csdn.net/u010967382/article/details/39183839
步骤一：构建数据模型
UserCF和ItemCF算法的输入数据是用户偏好，用户偏好数据可以有两种形式：
- 包含用户对目标评分的【用户ID，itemID，评分】
- 不包含评分的【用户ID，itemID】
推荐算法的第一步是基于数据源构建数据模型，
Taste构建数据模型的数据源可以有很多，比如JDBC，文件等。
下面仅介绍最常用的文件数据源：
- 用户偏好数据包含评分
示例代码：
DataModel dm = new FileDataModel(new File("E:\\testdata\\3columns"));
- 用户偏好数据不包含评分
示例代码：
DataModel dm = new GenericBooleanPrefDataModel(
GenericBooleanPrefDataModel
.toDataMap(new FileDataModel(new File("E:\\testdata\\2columns"))));
步骤二：指定距离（相似度）计算方法
创建好数据模型后，第二步需要指定一种计算“距离”的方法，因为在后续的步骤中需要计算user或item之间的“距离”。
Taste提供的计算距离的方法很多，以下仅介绍
常用的方法：
- 用户偏好数据包含评分
欧氏距离
：
EuclideanDistanceSimilarity
皮尔森距离
：
PearsonCorrelationSimilarity
余弦距离
：
UncenteredCosineSimilarity
- 用户偏好数据不包含评分
曼哈顿距离
：
CityBlockSimilarity
对数似然距离： LogLikelihoodSimilarity
示例代码：
UserSimilarity
us
= new CityBlockSimilarity(dm);
ItemSimilarity is = new CityBlockSimilarity(dm);
步骤三（仅UserCF需要）：选择近邻算法
如果选择使用UserCF算法做推荐，则在完成相似度计算方法的指定后，需要指定近邻算法。
- NearestNUserNeighborhood
指定距离最近的N个用户作为邻居。
示例：
UserNeighborhood unb = new NearestNUserNeighborhood(10, us, dm);
三个参数分别是：
邻居的个数，用户相似度，数据模型
- ThresholdUserNeighborhood
指定距离最近的一定百分比的用户作为邻居。
示例：
UserNeighborhood unb = new ThresholdUserNeighborhood(0.2, us, dm);
三个参数分别是：
阀值（取值范围0到1之间），用户相似度，数据模型
步骤四：创建推荐器
实施推荐算法的最后一步就是创建推荐引擎，Taste为UserCF和ItemCF算法，
针对有用户评分和没用户评分的情况，分别提供了推荐器：
- 用户偏好数据包含评分
示例代码：
UserCF：
Recommender re = new GenericUserBasedRecommender(dm, unb, us);
ItemCF：
Recommender re = new
GenericItemBasedRecommender(dm, is);
- 用户偏好数据不包含评分
示例代码：
UserCF：
Recommender re = new GenericBooleanPrefUserBasedRecommender(dm, unb, us);
ItemCF：
Recommender re = new GenericBooleanPrefItemBasedRecommender(dm, is);
题外话：
通过召回率和查准率的测试，
CityBlockSimilarity + UserCF 的推荐效果最好。
示例代码：用户偏好数据不包含评分 + CityBlockSimilarity + UserCF
- 用户偏好数据
1,101
1,102
1,103
2,101
2,102
2,103
2,104
3,101
3,104
3,105
3,107
4,101
4,103
4,104
4,106
5,101
5,102
5,103
5,104
5,105
5,106
- 代码
import java.io.File;
import java.util.List;
import org.apache.mahout.cf.taste.impl.model.GenericBooleanPrefDataModel;
import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericBooleanPrefUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.CityBlockSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;
public class UserCFRecommender {
public static void main(String[] args) throws Exception {
// 创建数据模型，不包含用户评分
DataModel dm = new GenericBooleanPrefDataModel(
GenericBooleanPrefDataModel
.toDataMap(new FileDataModel(
new File(
"E:\\testdata\\2columns"
))));
// 使用曼哈顿距离计算相似度
UserSimilarity us = new CityBlockSimilarity(dm);
//指定NearestNUserNeighborhood作为近邻算法
UserNeighborhood unb = new NearestNUserNeighborhood(10, us, dm);
// 构建不包含用户评分的UserCF推荐器
Recommender re = new GenericBooleanPrefUserBasedRecommender(dm, unb, us);
// 输出推荐结果，为1号用户推荐5个商品
List<RecommendedItem> list = re.recommend(1, 5);
for (RecommendedItem recommendedItem : list) {
System.out.println(recommendedItem.getItemID()+" : "+recommendedItem.getValue());
}
}
}