Question

我正在努力实现具有“特殊”功能的推荐算法，我想对Apache Mahout提供的基本算法执行这种小型自定义。

这些是我正在遵循的步骤（* =非基本步骤）：

创建一个DataModel：DataModel userModel = new GenericDataModel(userItemPreference);
计算相似度：UserSimilarity euclideanDistanceUserSimilarity = new EuclideanDistanceSimilarity(userModel);
获得基本邻居UserNeighborhood e_n_neighborhood = new NearestNUserNeighborhood(20, euclideanDistanceUserSimilarity, userModel);
为这些用户（*）
使用加权值更改neighorhood内用户的相似度（例如similarity*=weight）（*）
获取仅包含10个高加权相关用户（*）
仅使用此新邻居（*）

应该很简单，但我不明白为什么要建立一个推荐者，Mahout需要userModel，邻居和distanceSimilarity再次）...所以我无法确定我需要修改哪个对象并传递给构造函数（新邻居）。

UserBasedRecommender t_recommender = 
  new GenericUserBasedRecommender(userModel, e_n_neighborhood,
                                  euclideanDistanceUserSimilarity, null);

您是否有任何建议可以帮助我实施第5步和第7步（考虑到我刚才谈到的GenericUserBasedRecommender问题）？

谢谢

Answer 1

我想我能够解决问题，所以我会在这里解释一下我的解决方案......也许这对其他人有用。

正如我所说，我需要运行

UserBasedRecommender t_recommender = 
      new GenericUserBasedRecommender(userModel, e_n_neighborhood,
                                  euclideanDistanceUserSimilarity, null);

但是，通过使用权重列表修改相似性，并限制用户集和邻域。

要实现这一点，一种方法是创建自己的GenericUserBasedRecommender构造函数所期望的接口实现。

这些实施不需要计算任何指标或值，他们应该能够返回预期的元素。

因此，在应用权重并过滤用户列表后，主要内容如下：

创建一个新的userModel（就像现有的一样）只有感兴趣的用户，所有项目和所有分数
创建UserNeighborhood仅执行

public long [] getUserNeighborhood（long userID）抛出TasteException;

这个类应该实现一个基本的邻居容器，并且这个方法应该返回任何用户的邻居的静态列表（静态，因为你已经拥有它，所以你可以简单地通过构造函数传递它并将它放在内存中）

创建UserSimilarity仅执行

public double userSimilarity（long userID1，long userID2）抛出TasteException;

行为应该与上一个类相同（因此您可以使用初始UserSimilarity中的值，还记得考虑重量）。

现在，您可以继续推荐这些新对象。

Apache Mahout：如何为邻居增加体重并获得推荐？

1 个答案: