我正在开展一个需要实施文章/新闻推荐引擎的项目。 我正在考虑组合不同的方法（基于项目，基于用户，模型CF），并对使用的工具有疑问。
根据我的研究，Lucene绝对是文本处理的工具，但对于推荐部分，它并不是那么清晰。 如果我想基于文本相似性在文章上实现项目CF： - 我已经看过使用Mahout和solr（http://fr.slideshare.net/lucenerevolution/building-a-realtime-solrpowered-recommendation-engine）的案例研究，因为它非常接近搜索问题我认为solr可能更好，我是对的吗？ - 两个工具之间的时间处理有何不同（我认为Mahout更多是批处理和实时）？ - 我可以直接从Lucene获得文本距离（对我来说，与Lucene相比，solr的附加价值是不是很清楚）？ - 对于更高级的方法（基于矩阵分解的模型），我会使用Mahout，但在solr中是否有任何类似SVD的函数用于概念/标记发现？
感谢您的帮助。
答案 0 :(得分：0)
这取决于您的要求，如果您只需要离线推荐功能，mahout就是好的。对于在线，我也在测试它。事实上，我已经用lucene和mahout进行了测试，它们可以很好地协同工作。对于solr，我不太确定，我所知道它以lucene为核心。因此所有繁重的工作仍由lucene完成。在我的例子中，我在我的java程序中结合了mahout和lucene，基本上lucene进行预处理和原始相似度计算，然后将结果发送到mahout进行进一步分析。