Mahout实战---编写自己的相似度计算方法

Mahout本身提供了很多的相似度计算方法,如PCC,COS等。但是当需要验证自己想出来的相似度计算公式是否是好的,这时候需要自己实现相似度类。研究了Mahout-core-0.9.jar的源码后,自己实现了一篇论文上面的相似度公式。:

论文题目:An effective collaborative filtering algorithm based on user preference clustering

具体公式如下:

实现过程:具体实现参考了LogLikeHoodSimilarity类的实现

1,实现org.apache.mahout.cf.taste.similarity.UserSimilarity接口

该接口有三个方法:

public interface UserSimilarity extends Refreshable {
    double userSimilarity(long userID1, long userID2) throws TasteException;
    void setPreferenceInferrer(PreferenceInferrer inferrer);
    void refresh(Collection<Refreshable> alreadyRefreshed);//是Refreshable的方法
}

2,void refresh(Collection<Refreshable> alreadyRefreshed);

该方法用于刷新组件(Mahout对于数据改变的时候做出的应对方法。《Mahout实战》中3.2.3节可刷新组件中提到);具体实现如下:

public void refresh(Collection<Refreshable> alreadyRefreshed) {
        // TODO Auto-generated method stub
        alreadyRefreshed = RefreshHelper.buildRefreshed(alreadyRefreshed);
        RefreshHelper.maybeRefresh(alreadyRefreshed, getDataModel());
    }

3,void setPreferenceInferrer(PreferenceInferrer inferrer);

这个方法我没有实现,它的作用:可以通过PreferenceInferrer 得到对未打分项的预测评分。

4,double userSimilarity(long userID1, long userID2) throws TasteException;

该方法需要根据公式实现:计算user1和user2的相似度。

在这之前需要传递一个DataModel进来(定义成类的成员变量,由构造函数传递进来)。

具体实现如下:

/**
     * 实现该方法即实现了相似度计算方法
     */
    public double userSimilarity(long userID1, long userID2) throws TasteException {
        // TODO Auto-generated method stub
        DataModel dataModel = getDataModel();
        //获取用户打分项的id集合
        FastIDSet prefs1 = dataModel.getItemIDsFromUser(userID1);
        FastIDSet prefs2 = dataModel.getItemIDsFromUser(userID2);

        long prefs1Size = prefs1.size();
        long prefs2Size = prefs2.size();

        /*
         * long intersectionSize = prefs1Size < prefs2Size ?
         * prefs2.intersectionSize(prefs1) : prefs1.intersectionSize(prefs2);
         */
        // 计算交集的大小和产生新的FastIDSet作为交集
        FastIDSet pre_a, pre_b;// a为大的集合
        FastIDSet pre_com = new FastIDSet();
        if (prefs1Size < prefs2Size) {
            pre_a = prefs2;
            pre_b = prefs1;
        } else {
            pre_a = prefs1;
            pre_b = prefs2;
        }
        int intersectionSize = 0;
        Iterator<Long> iterator = pre_b.iterator();
        while (iterator.hasNext()) {
            long type = (long) iterator.next();
            if (pre_a.contains(type)) {

                pre_com.add(type);
            }
        }
        intersectionSize = pre_com.size();
        // 如果交集为0,则相似度为0
        if (intersectionSize == 0) {
            return 0;
        }
        // 计算并集的大小
        long unionSize = unionSize(pre_a, pre_b);

        // 计算userID1的平均打分
        float avg_1 = avgPreferences(userID1, prefs1);
        // 计算userID2的平均打分
        float avg_2 = avgPreferences(userID2, prefs2);

        // 计算共同打分项的打分差的和
        double sum = 0.0;
        iterator = pre_com.iterator();
        while (iterator.hasNext()) {
            long itemID = iterator.next();
            sum += Math
                    .abs(dataModel.getPreferenceValue(userID1, itemID) - dataModel.getPreferenceValue(userID2, itemID));
        }
        return Math.exp(-((sum * 1.0) / intersectionSize) * Math.abs(avg_1 - avg_2))
                * ((intersectionSize * 1.0) / unionSize);
    }
/**
     * FastIDSet只实现了intersectionSize(求交集), 现实现求并
     */
    private int unionSize(FastIDSet a, FastIDSet b) {
        int count = a.size();
        Iterator<Long> iterator = b.iterator();
        while (iterator.hasNext()) {
            long type = (long) iterator.next();
            if (!a.contains(type)) {
                count++;
            }
        }
        return count;
    }

    /**
     * 计算用户的打分平均值
     * 
     * @throws TasteException
     */
    private float avgPreferences(long userID, FastIDSet set) throws TasteException {
        float score = (float) 0.0;
        Iterator<Long> iterator = set.iterator();
        while (iterator.hasNext()) {
            long type = (long) iterator.next();
            score += dataModel.getPreferenceValue(userID, type);
        }
        return score / set.size();
    }

5,测试实现的正确性

根据论文的测试数据对实现的正确性进行测试

生成ups.csv

1,101,1.0
1,102,2.0
1,104,3.0
1,105,2.0
1,107,2.0

2,101,2.0
2,102,4.0
2,103,4.0
2,105,4.0
2,108,2.0
2,109,3.0


3,101,5.0
3,102,5.0
3,104,4.0
3,106,4.0
3,107,3.0
3,109,4.0

4,101,5.0
4,103,5.0
4,104,4.0
4,105,4.0
4,107,4.0
4,108,4.0

5,101,1.0
5,105,2.0
5,109,2.0
View Code

测试程序如下:

public class UPSTest {
    public static void main(String[] args) throws IOException, TasteException {
        String projectDir = System.getProperty("user.dir");
        DataModel model = new FileDataModel(new File(projectDir + "/src/main/ups.csv"));
        UserSimilarity similarity = new UPSSimiliarity(model);
        DecimalFormat df = new DecimalFormat("#,##0.0000");// 保留4位小数
        System.out.println(df.format(similarity.userSimilarity(1, 2)));
        System.out.println(df.format(similarity.userSimilarity(1, 3)));
        System.out.println(df.format(similarity.userSimilarity(1, 4)));
        System.out.println(df.format(similarity.userSimilarity(1, 5)));
        System.out.println(df.format(similarity.userSimilarity(2, 3)));
        System.out.println(df.format(similarity.userSimilarity(2, 4)));
        System.out.println(df.format(similarity.userSimilarity(2, 5)));
        System.out.println(df.format(similarity.userSimilarity(3, 4)));
        System.out.println(df.format(similarity.userSimilarity(3, 5)));
        System.out.println(df.format(similarity.userSimilarity(4, 5)));
    }
}

 

运行结果如下:

 

与论文中的结果基本相同:

参考 论文:[1] Zhang, Jia, et al. "An effective collaborative filtering algorithm based on user preference clustering." Applied Intelligence (2016): 1-11.

      [2] Mahout实战

 

转载于:https://www.cnblogs.com/ljdblog/p/6226445.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值