本文介绍了作者作为课程作业，使用Mahout的taste引擎搭建动漫推荐系统的过程。由于slopeone算法在新版本中被移除，作者选择了其他算法进行测试，包括基于内容、基于用户和基于Model的推荐器，并记录了不同参数下的测试结果。虽然在SlopeOne算法中遇到内存溢出问题，但其他推荐器如GenericItemBasedRecommender和SVDRecommender表现良好。附带了源代码链接和数据集下载地址。
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。
最低0.47元/天 解锁文章
扫一扫
29
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
