Mahout in Action 读书笔记chapter3 推荐数据的表示

http://blog.csdn.net/feitongxunke​

这一章主要介绍

1. 在Mahout里面表示和访问推荐程序的相关数据时所用的关键类。
2. Mahout中用于访问数据的关键抽象：DataModel。
3. 当用户和物品的数据没有评分和偏好值时，也就是布尔偏好，这个时候需要做的处理。

1.偏好数据表示

1.1Preference对象

一个Prefernence对象表示一个用户对一个物品的偏好，是（用户ID，物品ID，偏好值）的抽象。最有可能实现的是：

   
   
new GenericPreference(123, 456, 3.0f) //分别代表（用户ID，物品ID，偏好值）

1.2PrefernenceArray及其实现

如果要实现一组Prefernence，不能使用Collection or Prefernence[]，因为这时候十分的占用内存。针对这种情况Mahout提供了PreferenceArray接口，表示一个偏好的聚合。这里可以举个例子：

GenericUserPrefernenceArray表示的是与某个用户关联的所有偏好。其内部包含一个单一用户ID，一个物品ID数组，以及一个偏好值数组。

   
   
PreferenceArray user1Prefs = new GenericUserPreferenceArray(2); 
user1Prefs.setUserID(0, 1L);//设置用户ID
user1Prefs.setItemID(0, 101L);
user1Prefs.setValue(0, 2.0f);
user1Prefs.setItemID(1, 102L);
user1Prefs.setValue(1, 3.0f);
Preference pref = user1Prefs.get(1);//提取物品102的偏好值

1.3FastByIDMap和FastIDSet

在Mahout里面有许多Map和Set的数据结构，但是这个和Java里面的集合有些不同。

• FastByIDMap处理散列冲突是使用线性探测而不是链表法
• key和member都是使用long类型
• Set的内部没有使用Map
• FastByIDMap可以作为高速缓存，超过这个大小时，若要新加入条目则会把不常用的移走。

2.内存级DataModel

2.1GenericDataModel

它简单地将偏好作为输入，采用FastByIDMap的形式，将用户ID映射到这些用户的数据所在的PreferenceArray上。

   
   
FastByIDMap<PreferenceArray> preferences = new FastByIDMap<PreferenceArray>();
PreferenceArray prefsForUser1 = new GenericUserPreferenceArray(10);
prefsForUser1.setUserID(0, 1L);
prefsForUser1.setItemID(0, 101L);//增加偏好
prefsForUser1.setValue(0, 3.0f);
prefsForUser1.setItemID(1, 102L); 
prefsForUser1.setValue(1, 4.5f); 
preferences.put(1L, prefsForUser1);//在输入中附上用户1的偏好
DataModel model = new GenericDataModel(preferences);

3.无偏好值的处理

有时候我们会遇到没有评分的时候，只知道用户和物品是否关联，这时候称之为布尔型偏好。关于布尔型偏好的时候，书中举了个例子需要使用布尔型偏好的情况。一个人只对古典音乐感兴趣，对古典音乐家A给了很低的评分，给了古典音乐家B很高的评分，这个时候通过评分不能说明他对古典音乐是否感兴趣，但是如果这个时候转换成布尔型就可以了。

当使用无偏好值内存会得到大大节省，这个时候使用GenericBooleanPrefDataModel，这个将关联存为FastIDSet，没有偏好值。

给段代码看看：

   
   
import org.apache.mahout.cf.taste.common.TasteException;
import org.apache.mahout.cf.taste.eval.IRStatistics;
import org.apache.mahout.cf.taste.eval.RecommenderBuilder;
import org.apache.mahout.cf.taste.eval.RecommenderIRStatsEvaluator;
import org.apache.mahout.cf.taste.impl.eval.GenericRecommenderIRStatsEvaluator;
import org.apache.mahout.cf.taste.impl.model.GenericBooleanPrefDataModel;
import org.apache.mahout.cf.taste.impl.model.file.*; 
import org.apache.mahout.cf.taste.impl.neighborhood.*;
import org.apache.mahout.cf.taste.impl.recommender.*;
import org.apache.mahout.cf.taste.impl.similarity.*;
import org.apache.mahout.cf.taste.model.*;
import org.apache.mahout.cf.taste.neighborhood.*;
import org.apache.mahout.cf.taste.recommender.*;
import org.apache.mahout.cf.taste.similarity.*;
import org.apache.mahout.common.RandomUtils;
import java.io.*;
class RecommenderIntro {
    public static void main(String[] args) throws Exception {
        RandomUtils.useTestSeed();
        DataModel model = new GenericBooleanPrefDataModel(GenericBooleanPrefDataModel.toDataMap(new FileDataModel(new File("/Users/ericxk/Downloads/ml-100k/ua.base"))));
        RecommenderIRStatsEvaluator evaluator = new GenericRecommenderIRStatsEvaluator();
        RecommenderBuilder recommenderBuilder = new RecommenderBuilder() {
            public Recommender buildRecommender(DataModel model)throws TasteException {
                UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
                UserNeighborhood neighborhood =new NearestNUserNeighborhood(2, similarity, model);
                return new GenericUserBasedRecommender(model, neighborhood, similarity);
            }
        };
        IRStatistics stats = evaluator.evaluate(recommenderBuilder, null, model, null, 2, GenericRecommenderIRStatsEvaluator.CHOOSE_THRESHOLD, 1.0);
        System.out.println(stats.getPrecision());
        System.out.println(stats.getRecall());
    }
}

最后文中讨论了用LogLikelihoodSimilarity代替PearsonCorrelationSimilarity，以及如果有缺失值的情况，关于这些后面章节会深入讨论。