我打算写一个推荐人，根据上下文信息（偏好的时间，用于推荐的设备，......）来区别对待偏好。
在Mahout in Action一书和Mahout附带的代码示例中，我似乎无法找到任何相关内容。在某些示例中，用于表达用户或项目相似性的元数据（a.k.a内容） - 但不是我正在寻找的内容。
我想知道是否有人已经尝试过与Mahout类似的事情？
编辑：
一个实际的例子可能是当前会话是在移动设备上完成的，这应该会导致移动设备上跟踪的所有偏好的上推（评级* 1.1）和不同跟踪的偏好下降（评级* 0.9）。
...
另一个例子可能是某些评级是隐式收集而其他评级是明确的。如果不直接将“编码”直接转换为跟踪值，我将如何跟踪这一事实？如何在计算得分时使用该信息？
答案 0 :(得分：1)
我想说一种方法是使用Rescorer类来做到这一点，但我的猜测是，当你说这不是你想要的时候，这就是你所指的。
另一种方法是在使用Mahout生成推荐之前，预先处理您根据需要调整首选项的整个数据。
如果您提供有关如何使用数据修改偏好的详细信息，那么此处的人员将能够提供更多帮助。