mahout基于用户推荐的简单例子（2）

最新推荐文章于 2022-05-15 18:49:42 发布

weixin_33859504

最新推荐文章于 2022-05-15 18:49:42 发布

阅读量99

点赞数

文章标签： java python

原文链接：https://my.oschina.net/liuxinquan/blog/596869

版权

2019独角兽企业重金招聘Python工程师标准>>>

首先是封装了一个给予用户的推荐，用的相似度算法还是皮尔逊相似度，其他的也可以封装。

package com.liuxinquan.utils;

import java.io.File;
import java.io.IOException;
import java.util.List;

import org.apache.mahout.cf.taste.common.TasteException;
import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;

public class UserPersonSim {
	public static List<RecommendedItem> userRec(String filePath, int nearCnt, int userId, int recCnt) {
		try {
			DataModel model = new FileDataModel(new File(filePath));
			UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
			UserNeighborhood neighborhood = new NearestNUserNeighborhood(nearCnt, similarity, model);
			Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);
			List<RecommendedItem> recommendations = recommender.recommend(userId, recCnt);
			return recommendations;
		} catch (IOException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		} catch (TasteException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		return null;
	}
}

4个参数：filePath---------要分析的数据文件.csv

nearcnt---------推荐给用户的最近的一组数据个数

userid------推荐用户id

reccnt-------推荐给用户的个数

具体使用：

package com.liuxinquan.recommmder;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import org.apache.mahout.cf.taste.recommender.RecommendedItem;

import com.liuxinquan.utils.UserPersonSim;

public class UserRecommder {

	public static void main(String[] args) {
		HashMap<String, String> map = new HashMap<>();
		map.put("101", "橘子");
		map.put("102", "苹果");
		map.put("103", "香蕉");
		map.put("104", "梨");
		map.put("105", "西瓜");
		map.put("106", "哈密瓜");
		map.put("107", "葡萄");
		String filePath = "xxx/intro.csv";
		for (RecommendedItem item : UserPersonSim.userRec(filePath, 2, 1, 1)) {
			System.out.println(map.get(item.getItemID() + ""));
		}
	}

}

结果：梨

和上一篇的104是对应的。这样更贴近实际应用，也给大家提供了一种思路。在实际中不可能都是数据格式的，更常见的是：张三：梨。这就需要我们制定一种规则，先从现实中抽象出来物体的特征：比方一本书的作者、出版商、出版日期等，用数字把特征对应起来后在还原。

转载于:https://my.oschina.net/liuxinquan/blog/596869