ItemBased With Mahout

Mahout 0.8版本的ItemBased推荐使用方法：
运行命令：

1 2	mahout recommenditembased --input inputPath --output outputPath --similarityClassname similarityMathod [--usersFile --itemsFile --filterFile -- numRecommendations --booleanData --maxPrefsPerUser --maxSimilaritiesPerItem --minPrefsPerUser --maxPrefsPerUserInItemSimilarity --threshold]

几个注意点：
1、–input，–output，–similarityClassname三个是必须的参数，其他可以为空(有默认值)
2、–usersFile，–itemsFile，–filterFile三个后面的参数是文件路径，不是目录。其中usersFile的格式为一行一个userid，itemFile的格式为一行一个itemid，filterFile的格式为userid,itemid
3、如果输入数据格式为userid，itemid。则–booleanData需设置true，默认为false
4、–maxPrefsPerUser 用来设置每个用户对item评分的数量的阀值，大于阀值的对其进行抽样，抽样个数为阀值大小，–minPrefsPerUser相反，小于它的阀值的将被剔除，其默认值为1。
5、–threshold用来设置item之间相似度的阀值，小于阀值的将被剔除。

下面大概介绍下itembased推荐在mahout中的流程:

1、运行itembased算法的类为：org.apache.mahout.cf.taste.hadoop.item.RecommenderJob,在mahout core包下
2、在RecommenderJob中首先调用PreparePreferenceMatrixJob，分别产生四种数据：
(1）itemid映射为index的数据(itemIDIndex)，格式为key为index(Int),value为itemid(Long)的sequencefile(2）用户向量数据(userVectors)，格式为key为userid(Long)，value为(preference1 preference2 …)(vector)的sequencefile，其中itemid对应的index为preference在vector中的index。
(3）用户总个数数据(numUsers.bin)(4）item向量数据(ratingMatrix)，格式为key为item_index(int),value为(preference1 preference2 …)(vector)的sequencefile，其中userid对应的index为preference在vector中的index。
3、然后又调用RowSimilarityJob，以ratingMatrix作为输入数据，计算item与item之间的相似度，计算过程大概为分两个MR job，第一个job先对preference进行标准化，并转化为userid_index,(itemid_index,preference…)输出，第二个job才真正的计算相似度，结果格式为key为item_a-index(int),value为(similarity1 similarity2…）(vector）的sequencefile，其中item_b_index为similarity对应的index，保存于similarityMatrixPath。(通过添加–outputPathForSimilarityMatrix参数，可以将相似度结果保存起来）
4、继续运行partialMultiply job，将PreparePreferenceMatrixJob产生的userVectors和RowSimilarityJob产生的similarityMatrixPath进行合并，结果格式为key为item_index,value为(similarity1 similarity2…）(vector） [userid1 userid2...] [preference1 preferene2...](VectorAndPrefsWritable)的sequencefile.
5、最后判断是否有–filterFile参数，有则先运行过滤job，否则直接运行预测评分job，预测每个用户对未评分item的评分值，计算预测评分格式为：Prediction(u,i) = sum(all n from N: similarity(i,n) * rating(u,n)) / sum(all n from N: abs(similarity(i,n)))
其中u为用户，i为预测评分的item，n为u评分过的item，然后对每个用户对item的预测评分取topk（默认10）个结果输出。