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 storm spark kafka flume,等连载中，做个爱分享的人）

1 那么问题又来了  ????

    如何实现一个推荐系统？

    1 ： 基于内容的推荐，比如用户要买一部手机，在查看iPhone5S的商品详细界面时，系统会推荐更逼格的iPhone6S，三星土豪note，镶钻诺基亚3120c。等内容相似的商品。

    2 ： 基于协同过滤的推荐，用户购买iPhone5S的界面。系统会推荐，iPhone5S原装充电器，ipad  ，mac等土豪级用户购买的商品。学数据挖掘技术哪家强，，中国山东找蓝翔。

 

   

2 概念

     协同过滤，基于user和item关系的推荐系统（摘自mahout in action）。仅仅需要 user 购买了哪些item，和打分rating。不需要知道item的类型，价格等详细信息，是一种依赖用户的历史行为的数据挖掘的过程。

 

  mahout实现推荐功能，通过下面5个步骤，1 接入历史数据 --> 2 计算user或者item的相似度 --> 3寻找邻居 --> 4使用推荐器做推荐 --> 计算查准率和召回率

 

3 算法类型

  协同过滤算法分为三种

      1 基于用户的推荐算法（已user为中心效果：为买iPhone5S的土豪李总，寻找土豪邻居老王，老马，小马，再推荐这群土豪，都非常喜欢的apple原装充电器。）

      2 基于商品的推荐算法（以item为中心的效果：为准备购买爆米花手机的王尼玛，推荐爆米花手机的铁杆米粉唐马儒，张全蛋，都非常喜欢的拔粪宝）

      3 基于模型的推荐算法（根据用户和商品得出一个数学模型，如slopeone算法 计算一个简单版的线性方程one 数学公式，如 y = x + 4，带入公式计算商品的得分。）

 

4 mahout三种类型推荐的实现

    mahout的协调过滤是吸收taste框架的，下面是taste框架各类推荐器

 

Item-based:（基于商品的推荐算法）

         GenericItemBasedRecommender

         GenericBooleanPrefItemBasedRecommender

         KnnItemBasedRecommender

User-based:（基于用户的推荐算法）

         GenericUserBasedRecommender

         GenericBooleanPerfUserBasedRecommender

Model-based:（模型的推荐算法）

         SlopeOneRecommender

         SVDRecommender

         TreeClusteringRecommender

  ItemAverageRecommender

         ItemUserAverageRecommender

 

4 mahout相似度的实现

 

PearsonCorrelationSimilarity 皮尔逊距离

EuclideanDistanceSimilarity 欧几里德距离 （初中的距离公式，如：x（1,3），y(3,1),x和y的距离= 【（3-1）平方 + （1-3）平方 】开根号= 2）

CosineMeasureSimilarity   余弦距离（0.7变成了UncenteredCosineSimilarity）

SpearmanCorrelationSimilarity 斯皮尔曼等级相关

TanimotoCoefficientSimilarity 谷本相关系数

LogLikelihoodSimilarity 一般好于TanimotoCoefficientSimilarity（不懂）

CityBlockSimilarity基于曼哈顿距离

5 mahout 实现推荐功能，涉及的相关接口API

 

1 org.apache.mahout.cf.taste.model.DataModel 接入数据，有文件和数据库等多种类型的接入方式

 

2 org.apache.mahout.cf.taste.similarity.UserSimilarity 各种相似度

 

3 org.apache.mahout.cf.taste.neighborhood.UserNeighborhood 寻找近邻

 

4 org.apache.mahout.cf.taste.recommender.Recommender 所有推荐器的基类

 

5 org.apache.mahout.cf.taste.impl.eval.AbstractDifferenceRecommenderEvaluator 计算查准率和召回率

 

 

6 购买iPhone5s的推荐功能案例（爆米花和拔粪宝的例子）

  基于商品的推荐算法（以item为中心的效果：为准备购买爆米花手机的王尼玛，推荐爆米花手机的铁杆米粉唐马儒，张全蛋，都非常喜欢的拔粪宝）

  淘走电商平台的数据有3张表

  

   6.1案例假设

   表1：用户表  

   userid        name       profession      sex

   10086        王尼玛      羊驼             x

   3            张全蛋      3号流水线工人    男

   4008823823   唐马儒      肯打鸡总裁       基佬

 

   表2：商品表

   id            name                      price（￥）      color

   911           iPhone5S                  3888             土豪金

   77            apple原装充电器           200              白

   34            爆米花手机                 9               黑

   5             拔粪宝                     6               黄

   22            尼玛牌辣条                 2               红

   1282          妄想牌MP3                  101             绿

   488           魅族手机XX7                177             紫

 

  表3：购买记录表                                  

  userid           itemid  rating（评分 1~5分）         

  4008823823       34      5 

  4008823823       5       3  

  4008823823       22      5 

  4008823823       22      4 

  4008823823       1282    0  

  3                22      5  

  3                34      3  

  3                5       3  

  10086            22      5  

 

  假设王尼玛停在  爆米花手机  在淘走平台的商品详细页面。此时应该推荐什么商品。给王尼玛？

 

  使用mahout的协同过滤来实现推荐功能，只需要user 和item 的历史记录，不需要根据商品的其他属性，也就是需要，表3：购买记录表

 

  6.2 mahout协同过滤代码 1 接入历史数据 --> 2 计算user或者item的相似度 --> 3寻找邻居 --> 4使用推荐器做推荐 --> 5 计算查准率和召回率

 

 

   long userid = 10086;//准备数据

   int size = 5;        

     DataModel model = new FileDataModel(new File("/opt/useritemrating.txt"));                         //1 接入历史数据
     ItemSimilarity similarity = new PearsonCorrelationSimilarity(model);                                       //2 计算user或者item的相似度

     Recommender recommender = new GenericItemBasedRecommender(model, similarity);      //4使用推荐器做推荐

     List<RecommendedItem> recommendations = recommender.recommend(userid , size);     //4使用推荐器做推荐

  for (RecommendedItem ei : recommendations) {
    System.out.println("推荐的itemId：" + ei.getItemID() + ",item得分：" + ei.getValue());//打印推荐的商品
   }

 

  6.3 协同过滤算法的代码，做了什么事

 

  1 构造item-user向量

   itemid        userid    

   911          

   77            

   34            {4008823823,3}

   5             {4008823823,3}

   22            {4008823823,4008823823,3,10086}

   1282          {4008823823}

   488           

 

   2 构造被购买次数非空的item-item 矩阵

  

          34   5    22   1282

   34     2    2    2   1

   5      2    2    2    1

   22     2    2    3    1

   1282   1    1    1    1

 

  3 构造用户item-user-rating矩阵

 

          10086    

   34     0    

   5      0     

   22     5     

   1282   0   

 

  4 item-item 矩阵 和 item-user-rating矩阵，两个矩阵相乘

 

 

        34   5    22   1282           10086        score

   34     2    2    2    1             0           10

   5      2    2    2    1             0           10

   22     2    2    3    1      X      5      =    15

   1282   1    1    1    1             0           5

 

 5 结论

     得带 分数最高的2个10分是 {34,5 } ，{ 爆米花手机，拔粪宝，尼玛牌辣条}   除去有rating的22代表购买过的，剩下{34,5} ，{ 爆米花手机，拔粪宝}。假设王尼玛停在  爆米花手机  再除去爆米花手机。  剩下10分的{5} ，{ 拔粪宝}。+一个5分{1282}，{妄想牌MP3}。拔粪宝得分比较高，所以推荐{5} ，{ 拔粪宝}。