基于物品的协同过滤算法

场景：猜你喜欢

数据量：大数据架构

检验：准确率、召回率、覆盖率、流行度

 步骤：

• 构建物品的同现矩阵
• 建立用户对物品的评分矩阵
• 同现矩阵*评分结果=矩阵计算结果

选择结果列向量中最大的未评价的推荐

具体实现：Hadoop+Mahout（数据模型、相似度、近邻、推荐、评分）

测试数据集：

rating.csv

3列：用户ID，图书ID，评分数据

记录数：4000次评分

用户数：200个

图书数：10000个

评分：1-10

users.csv

3列：用户ID，用户性别，用户年龄

用户数：200个

用户性别：M,F

用户年龄：11-80岁

算法模型：

3种推荐算法 UserCF，ItemCF，SlopeOne

基于用户：

• 相似度距离+最近邻+推荐（评分，无评分）

基于物品：

• 相似度距离+推荐算法（评分，无评分）

评估：查准率+召回率（查全率）

系统架构：Mahout 单机+分布

开发环境：Win7 64 + Java + Maven3 + Eclipse + Mahout 0.8 + Hadoop1.2

结果：userEuclideanNoPref 性能最好