一个简单的在线推荐系统的实现

推荐系统，主要采用对历史数据的分析计算，得到某种模型，对未来的数据进行预测。说到底，还是分类问题。

Mahout,是一个可扩展的机器学习库，可用于单机，也可用于Hadoop。

Mahout的API非常简单，实现一个推荐功能只需要如下的几行代码：

<span style="font-size:18px;">		DataModel model = new FileDataModel(new File(file));//建立数据模型
		UserSimilarity similarity = new PearsonCorrelationSimilarity(model);//计算皮尔逊相似度
		UserNeighborhood neighborhood = new NearestNUserNeighborhood(25,
				similarity, model);//计算N近邻用户
		Recommender recommender = new GenericUserBasedRecommender(model,
				neighborhood, similarity);//基于用户的推荐
		list = recommender.recommend(userid, size);</span>

其数据格式也很简单，只需要如下格式的数据

<span style="font-size:14px;">userid, itemid, preference value</span>

即用户对产品的偏好数据的对应关系。

这是我用Mahout实现的简单的在线电影推荐系统：http://movierecommender.sinaapp.com/

使用了movielens-100k的数据集.

项目源码在此：https://github.com/laozhaokun/movie_recommender

目前速度还很慢，不很稳定。