【甘道夫】Mahout推荐算法编程实践

引言

Taste是曾经风靡一时的推荐算法框架，后来被并入 Mahout中，Mahout的部分推荐算法基于Taste实现。

下文介绍基于Taste实现最常用的UserCF和ItemCF。

本文不涉及 UserCF和ItemCF算法的介绍，这方面网上资料很多，本文仅介绍如何基于Mahout编程实现。

---

欢迎转载，请注明来源：

http://blog.csdn.net/u010967382/article/details/39183839

---

步骤一：构建数据模型

UserCF和ItemCF算法的输入数据是用户偏好，用户偏好数据可以有两种形式：

• 包含用户对目标评分的【用户ID，itemID，评分】
  
• 不包含评分的【用户ID，itemID】
  

推荐算法的第一步是基于数据源构建数据模型， Taste构建数据模型的数据源可以有很多，比如JDBC，文件等。

下面仅介绍最常用的文件数据源：

• 用户偏好数据包含评分
  

示例代码：

DataModel dm = new FileDataModel(new File("E:\\testdata\\3columns"));

• 用户偏好数据不包含评分
  

示例代码：

DataModel dm = new GenericBooleanPrefDataModel(

GenericBooleanPrefDataModel

.toDataMap<