Mahout协同推荐简单实例

上篇文章介绍了协同过滤的安装与配置，这篇找了几个协同过滤的简单例子，看一下

Mahout给我们提供的强大的协同过滤算法。需要新建一个基于Maven的工程，下面是

pom.xml需要导入的包。

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"><modelVersion>4.0.0</modelVersion><groupId>mahouttest</groupId><artifactId>mahouttest</artifactId><version>0.0.1-SNAPSHOT</version><packaging>jar</packaging><name>mahouttest</name><url>http://maven.apache.org</url><properties><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding></properties><dependencies><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.8.1</version><scope>test</scope></dependency><dependency><groupId>org.apache.mahout</groupId><artifactId>mahout-core</artifactId><version>0.8-SNAPSHOT</version><type>jar</type><scope>compile</scope></dependency></dependencies>

　　这里我们导入的是最新的Mahout包，需要在本地的maven库中安装好。

首先我们需要准备好测试的数据，我们就用《Mahout in action》中的例子：

1,101,5
1,102,3
1,103,2.5
2,101,2
2,102,2.5
2,103,5
2,104,2
3,101,2.5
3,104,4
3,105,4.5
3,107,5
4,101,5
4,103,3
4,104,4.5
4,106,4
5,101,4
5,102,3
5,103,2
5,104,4
5,105,3.5
5,106,4

具体对应的关系图如下：

下面我们用Mahout中三种不同的推荐代码来执行以下刚才给出的数据，看看Mahout中的推荐接口是

如何使用的。

1. 基于用户的协同推荐的代码：

DataModel  model =new FileDataModel(new File("data/intro.csv"));
UserSimilarity similarity =new PearsonCorrelationSimilarity(model);
UserNeighborhood neighborhood =new NearestNUserNeighborhood(2,similarity,model);
Recommender recommender= new GenericUserBasedRecommender(model,neighborhood,similarity);
List<RecommendedItem> recommendations =recommender.recommend(1, 1);
for(RecommendedItem recommendation :recommendations){System.out.println(recommendation);
}

执行后的结果是：RecommendedItem[item:104, value:4.257081]

2. 基于Item的协同过滤的代码：

DataModel  model =new FileDataModel(new File("data/intro.csv"));
ItemSimilarity similarity =new PearsonCorrelationSimilarity(model);
Recommender recommender= new GenericItemBasedRecommender(model,similarity);
List<RecommendedItem> recommendations =recommender.recommend(1, 1);
for(RecommendedItem recommendation :recommendations){System.out.println(recommendation);
}

执行后的结果是：RecommendedItem[item:104, value:5.0]

3. SlopeOne推荐算法

DataModel  model =new FileDataModel(new File("data/intro.csv"));
Recommender recommender= new SlopeOneRecommender(model);
List<RecommendedItem> recommendations =recommender.recommend(1, 1);
for(RecommendedItem recommendation :recommendations){System.out.println(recommendation);
}

执行结果是：RecommendedItem[item:105, value:5.75]

转载于:https://www.cnblogs.com/cstar/archive/2012/12/17/2821316.html

Mahout协同推荐简单实例相关推荐

python协同过滤调用包_简单的python协同过滤程序实例代码
本文研究的主要是python协同过滤程序的相关内容,具体介绍如下. 关于协同过滤的一个最经典的例子就是看电影,有时候不知道哪一部电影是我们喜欢的或者评分比较高的,那么通常的做法就是问问周围的朋友,看看 ...
02 机器学习算法库Mahout - 协同过滤算法实现推荐功能
(原文地址:http://blog.csdn.net/codemosi/article/category/2777041,转载麻烦带上原文地址.hadoop hive hbase mahout ...
mahout+Eclipse,使用 Taste 构建推荐引擎实例 – 电影推荐引擎
使用 Taste 构建推荐引擎实例 – 电影推荐引擎根据上面的步骤,我们可以得到一个简单的推荐引擎 demo 环境,下面介绍如何使用 Taste 方便地构建自定义的推荐引擎. 抽取 Taste 工具 ...
php简单实例,php实现推荐功能的简单实例
php实现推荐功能的简单实例,魔法,标题,文章,简明扼要,数组 php实现推荐功能的简单实例易采站长站,站长之家为您整理了php实现推荐功能的简单实例的相关内容. 利用similar_text将这些 ...
主要推荐系统算法总结及Youtube深度学习推荐算法实例概括
主要推荐系统算法总结及Youtube深度学习推荐算法实例概括 By ZhuZhiboSmith2017年7月09日 17:00 现如今,许多公司使用大数据来做超级相关推荐,并以此来增加收益.在海量推荐 ...
推荐系统 Mahout入门之简单使用
Mahout: Apache Mahout 是 Apache Software Foundation(ASF)旗下的一个开源项目,提供一些可扩展的机器学习领域经典算法的实现,旨在帮助开发人员更加方便快 ...
经典算法题每日演练——第六题协同推荐SlopeOne 算法
原文:经典算法题每日演练--第六题协同推荐SlopeOne 算法相信大家对如下的Category都很熟悉,很多网站都有类似如下的功能,"商品推荐","猜你喜欢&quo ...
Mahout分布式推荐引擎介绍
一直以为在Mahout的在分布式上做了很多东西,很高深.最近一段时间由于工作中要实现一些分布式算法,所以硬着头皮看了一下它的源码.当时我匆忙的看过KMeans的实现,这次我的工作是在搜索引擎日志记录中 ...
ajax webservice 参数类型,JQuery Ajax WebService传递参数的简单实例
Asp.NET中利用jQuery实现Ajax时,在服务器端可以使用aspx,ashx,以及WebService等方式.最近研究了一下WebService方式,jQuery Ajax 方法调用 jQue ...

Mahout协同推荐简单实例

Mahout协同推荐简单实例相关推荐

最新文章

热门文章