首页 > 代码库 > mahout推荐13-基于物品的推荐
mahout推荐13-基于物品的推荐
基于物品的推荐,是以物品的相似度为基础的。在mahout中意味着使用ItemSimilarity实现相似性度量,而不是UserSimilarity。他们分别是通过相似的用户和相似的物品。
基于物品的:了解用户的喜好,并寻找相似的物品
基于用户的:寻找相似的用户,并了解他们喜好什么。
如果物品数比用户数少很多的话,基于物品的推荐会带来性能的提升。
代码:
package mahout;import java.io.File;import java.util.List;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.GenericItemBasedRecommender;import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;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.ItemSimilarity;import org.apache.mahout.cf.taste.similarity.UserSimilarity;import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;/** * 基于用户的推荐程序 * @author Administrator * */public class RecommenderIntro { public static void main(String[] args) throws Exception { //装载数据文件,实现存储,并为计算提供所需的所有偏好,用户和物品数据 DataModel model = new FileDataModel(new File("data/intro.csv")); //用户相似度,给出两个用户的相似度,有多种度量方式,直接由用户的改为物品的即可 ItemSimilarity similarity = new PearsonCorrelationSimilarity(model); //用户邻居,与给定用户最相似的一组用户// UserNeighborhood neighborhood = new NearestNUserNeighborhood(2,// similarity, model);// //推荐引擎,合并这些组件,实现推荐// Recommender recommender = new GenericUserBasedRecommender(model,// neighborhood, similarity); //基于物品的推荐 Recommender recommender1 = new GenericItemBasedRecommender(model,similarity); //为用户1推荐一件物品1,1 List<RecommendedItem> recommendedItems = recommender1.recommend(1, 1); //输出 for (RecommendedItem item : recommendedItems) { System.out.println(item); } }}
为用户1推荐1件商品:
输出结果:
14/08/05 12:26:44 INFO file.FileDataModel: Creating FileDataModel for file data\intro.csv14/08/05 12:26:44 INFO file.FileDataModel: Reading file info...14/08/05 12:26:44 INFO file.FileDataModel: Read lines: 2114/08/05 12:26:44 INFO model.GenericDataModel: Processed 5 usersRecommendedItem[item:104, value:5.0]
对比基于用户的推荐,同时推荐了物品104.
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。