马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据
您需要 登录 才可以下载或查看,没有帐号?立即注册
x
Mahout主要推荐算法
Mahout推荐算法分为以下几大类 GenericUserBasedRecommender 算法: 1.基于用户的相似度 2.相近的用户定义与数量 特点: 1.易于理解 2.用户数较少时计算速度快
GenericItemBasedRecommender 算法: 1.基于item的相似度 特点: 1.item较少时就算速度更快 2.当item的外部概念易于理解和获得是非常有用
SlopeOneRecommender(itemBased) 算法: 1基于SlopeOne算法(打分差异规则) 特点 速度快 需要预先计算 当item数目十分少了也很有效 需要限制diffs的存储数目否则内存增长太快
SVDRecommender (item-based) 算法 基于支持向量机(item的特征以向量表示,每个维度的评价值) 特点 需要预计算 推荐效果佳
KnnItemBasedRecommender (item-based) 类似于GenericUserBasedRecommender 中基于相似用户的实现(基于相似的item) 与GenericItemBasedRecommender 的主要区别是权重方式计算的不同(but, the weights are not the results of some similarity metric. Instead, the algorithm calculates the optimal set of weights to use between all pairs of items=>看的费劲)
TreeClusteringRecommender 算法 基于树形聚类的推荐算法 特点 用户数目少的时候非常合适 计算速度快 需要预先计算
基于模型的推荐算法、基于满意度得推荐算法(未实现)
Mahout中的数据输入 DataModel 以下包含 GenericDataModel 数据接口类 基于内存 内部使用FastByIDMap 保存PreferenceArray,在PreferenceArray内保存用户->Item的评价值
GenericBooleanPrefDataModel. 基于内存的数据接口类 但是无用户偏好值 使用FastByIDMap<FastIDSet>为用户或者Item保存相关的Item或者用户。
FileDataModel 基于文件的数据接口内,内部使用GenericDataModel 保存实际的用户评价数据 增加了压缩文件(.zip .gz)等文件类型的支持 支持动态更新(更新文件文件名必须保存为一定的格式 例如 foo.txt.gz 后续更新文件必须为foo.1.txt.gz) 查了以下代码 好像是自定义时间间隔后可以更新,但是好像是全部更新(以后看代码)
JDBCDataModel 基于数据库的数据接口 目前已经实现MySQLJDBCDataModel(支持MySQL 5.x)可以使用MysqlDataSource生成MySQLJDBCDataModel 注:0.7版本里面没有找到MySQLJDBCDataModel类多了一个MySQLJDBCIDMigrator 不知道关系如何
PlusAnonymousUserDataModel. 用于匿名用户推荐的数据类 将全部匿名用户视为一个用户(内部包装其他的DataModel类型)
Mahout中的相似度计算 主要按照基于User,基于Item等 以内存方式保存相似度计算结果 使用FastByIDMap<FastByIDMap<Double>>保存计算结果
以cache方式保存相似度计算结果防止每次请求是重复计算 内部使用 Cache<LongPair,Double> similarityCache保存相似度
Mathout中实现的基于不同算法相似度度量的: PearsonCorrelationSimilarity 皮尔逊距离 EuclideanDistanceSimilarity 欧几里德距离 SpearmanCorrelationSimilarity 斯皮尔曼等级相关 TanimotoCoefficientSimilarity 谷本相关系数 LogLikelihoodSimilarity 一般好于TanimotoCoefficientSimilarity(不懂)
相似度使用的典型用法 UserSimilarity similarity = new CachingUserSimilarity( new SpearmanCorrelationSimilarity(model), model);
对缺失数据的处理 PreferenceInferrer 数据丢失或者数据太少时可能用到 具体实现有 AveragingPreferenceInferrer 以平均值填充缺失数据 一般来说PreferenceInferrer除了增加计算量对推荐结果无任何影响(缺失值根据已有数据得出)所以一般只用于研究领域。
聚类的相似度 ClusterSimilarity 聚类的相似度用于两个不同的聚类之间的距离(类似坐标系内的距离) 目前聚类之间的距离计算只包含以下两个实现(暂时没有更好的实现算法) NearestNeighborClusterSimilarity 计算两个聚类中所有项距离中的最小距离 FarthestNeighborClusterSimilarity 计算两个聚类中所有项距离中的最大距离
|