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

2024-07-15 21:14:23   213人阅读

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.


联系
我们