＆＃34; Universal Recommender＆＃34;使用的算法是什么？在Prediction.IO？

Question

好下午

＆＃34; Universal Recommender（UR）＆＃34;使用的名称算法是什么？在 Prediction.IO ？

在此期间，我知道算法 系统推荐是＆＃34;协同过滤＆＃34;和＆＃34;基于内容的过滤＆＃34;。

谢谢！

Answer 1

Prediction.io使用Apache Spark MLLib的交替最小二乘矩阵分解方法（ALS）。它是协同过滤的基本方法之一，它基于用户，基于项目和矩阵分解。可以在http://spark.apache.org/docs/latest/mllib-collaborative-filtering.html

找到文档

Universal Recommender Template使用此算法计算“经常”出现“购买”某些“项目”的“事件”。分解的使用不是Universal Recommender原则的作者在他们最初的想法中描述的，而是他们使用LLR相似性来找到统计上显着的“事件”。我个人怀疑使用矩阵分解和使用HBase的适用性（使用Redis集群代替）。您可以在https://www.mapr.com/practical-machine-learning和http://mahout.apache.org/users/algorithms/recommender-overview.html

上阅读有关Universal Recommender一般创意的信息

Answer 2

它使用来自Apache-mahout的Correlated Cross-Occurrence（CCO）算法。

查看这些 https://actionml.com/blog/cco https://mahout.apache.org/users/algorithms/recommender-overview.html