推荐引擎(三)

Apache Mahout

Apache Software Foundation (ASF) 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序，并且，在 Mahout 的最近版本中还加入了对 Apache Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中。

Apache Mahout 中协同过滤推荐实现的Taste组件图

Taste数据模型：

DataModel：DataModel是用户喜好信息的抽象接口，它的具体实现支持从指定类型的数据源抽取用户喜好信息。在Mahout0.5中，Taste 提供 JDBCDataModel 和 FileDataModel两种类的实现，分别支持从数据库和文件文件系统中读取用户的喜好信息。对于数据库的读取支持，在Mahout 0.5中只提供了对MySQL和PostgreSQL的支持，如果数据存储在其他数据库，或者是把数据导入到这两个数据库中，或者是自行编程实现相应的类。

UserSimilarit和ItemSimilarity：前者用于定义两个用户间的相似度，后者用于定义两个项目之间的相似度。Mahout支持大部分驻留的相似度或相关度计算方法，针对不同的数据源，需要合理选择相似度计算方法。

UserNeighborhood：在基于用户的推荐方法中，推荐的内容是基于找到与当前用户喜好相似的“邻居用户”的方式产生的，该组件就是用来定义与目标用户相邻的“邻居用户”。所以，该组件只有在基于用户的推荐算法中才会被使用。

Recommender：Recommender是推荐引擎的抽象接口，Taste 中的核心组件。利用该组件就可以为指定用户生成项目推荐列表。

实现推荐：Recommender

（1） User CF

基于 Mahout 实现 User CF

DataModel model = new FileDataModel(new File("preferences.dat")); 
UserSimilarity similarity = new PearsonCorrelationSimilarity(model); 
UserNeighborhood neighborhood = new NearestNUserNeighborhood(100, similarity, model); 
Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity); 

（2） Item CF
基于 Mahout 实现 Item CF

DataModel model = new FileDataModel(new File("preferences.dat")); 
ItemSimilarity similarity = new PearsonCorrelationSimilarity(model); 
Recommender recommender = new GenericItemBasedRecommender(model, similarity);

（3） Slope One

User CF 和 Item CF 是最常用最容易理解的两种 CF 的推荐策略，但在大数据量时，它们的计算量会很大，从而导致推荐效率较差。Mahout 提供了一种更加轻量级的 CF 推荐策略：Slope One。

Slope One 的核心优势是在大规模的数据上，它依然能保证良好的计算速度和推荐效果。

基本原理:将用户的评分之间的关系看作简单的线性关系：Y = mX + b;当 m = 1 时就是 Slope One。

基于 Mahout 实现 Slope One：

//In-Memory Recommender 
DiffStorage diffStorage = new MemoryDiffStorage(model, Weighting.UNWEIGHTED, false, Long.MAX_VALUE));
Recommender recommender = new SlopeOneRecommender(model, Weighting.UNWEIGHTED, Weighting.UNWEIGHTED, diffStorage); 
//Database-based Recommender 
AbstractJDBCDataModel model = new MySQLJDBCDataModel(); 
DiffStorage diffStorage = new MySQLJDBCDiffStorage(model); 
Recommender recommender = new SlopeOneRecommender(model, Weighting.WEIGHTED, Weighting.WEIGHTED, diffStorage); 

链接：

http://www.edu.xxt.cn/articleFront/articleDetailed.action?article.id=2964

http://www.ibm.com/developerworks/cn/java/j-lo-mahout/