Mahout推荐器 - 为基于项目的推荐者添加基于内容的相似性

Question

我有一个非常标准的Mahout基于项目的新闻文章推荐器（使用点击数据，因此首选项是布尔值）：

DataModel dataModel = new ReloadFromJDBCDataModel(
        new PostgreSQLBooleanPrefJDBCDataModel(localDB, ...)
);
ItemSimilarity itemSimilarity = new TanimotoCoefficientSimilarity(dataModel);
ItemBasedRecommender recommender = new GenericBooleanPrefItemBasedRecommender(dataModel, itemSimilarity);

我正在尝试将基于内容的知识注入到推荐器中，因此我最强烈推荐的文章不仅在正常的协同过滤意义上是相似的，而且在他们共享许多常用术语的意义上也是相似的。< / p>

文章内容相似性（TF-IDF向量的余弦相似性）使用Mahout批次预先计算并从DB读取。但是，会有很多对没有相似性数据的文章。这有两个原因：

• 文章内容相似度数据的更新频率低于用户项目偏好设置的数据模型，因此在新文章计算内容相似度之前会有一段时间滞后。

• 理想情况下，我想将所有内容相似度数据加载到内存中，因此我只会为每篇文章存储前20个相似度。

所以，对于一对特定的文章，我有：

• 项目相似度（Tanimoto）0＆lt; = s1＆lt; = 1
• 内容相似度（余弦值）0＆lt; = s2＆lt; = 1（可能为空）

在内容相似度不为空的情况下，我想使用其值来加权项目相似度，以便提升具有相似内容的文章。

我的问题是：

• 尝试结合这些措施是否合理，还是我尝试了一些疯狂的事情？
• 将这两个值组合成一个相似度得分的合理公式是什么？
• 这最好是自定义ItemSimilarity还是Rescorer？

Answer 1

是的，将它们组合起来是完全合理的。如果两者的相似性都在[0,1]中，那么最明智的组合就是它们的产品。这是您使用ItemSimilarity注入的内容，而不是IDRescorer。