mahout入门之推荐系统

Apache Mahout 是 Apache Software Foundation (ASF) 开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在 Apache 在许可下免费使用。该项目已经发展到了它的最二个年头，目前只有一个公共发行版。Mahout 包含许多实现，包括集群、分类、CP 和进化程序。

Mahout 目前提供了一些工具，可用于通过 Taste 库建立一个推荐引擎 — 针对 CF 的快速且灵活的引擎。Taste 支持基于用户和基于项目的推荐，并且提供了许多推荐选项，以及用于自定义的界面。Taste 包含 5 个主要组件，用于操作

用户

、

项目

和

首选项

：

DataModel

：用于存储

用户

、

项目

和

首选项

UserSimilarity

：用于定义两个用户之间的相似度的界面

ItemSimilarity

：用于定义两个项目之间的相似度的界面

Recommender

：用于提供推荐的界面

UserNeighborhood

：用于计算相似用户邻近度的界面，其结果随时可由

Recommender

使用

借助这些组件以及它们的实现，开发人员可以构建复杂的推荐系统，提供基于实时或者离线的推荐。
如下代码可以构建一个简单的基于用户间相似度的推荐系统。

import org.apache.mahout.cf.taste.impl.model.file.*; 
import org.apache.mahout.cf.taste.impl.neighborhood.*; 
import org.apache.mahout.cf.taste.impl.recommender.*; 
import org.apache.mahout.cf.taste.impl.similarity.*; 
import org.apache.mahout.cf.taste.model.*; 
import org.apache.mahout.cf.taste.neighborhood.*; 
import org.apache.mahout.cf.taste.recommender.*; 
import org.apache.mahout.cf.taste.similarity.*; 
import java.io.*; 
import java.util.*; 
 
class RecommenderIntro { 
 
  public static void main(String[] args) throws Exception { 
 
    DataModel model = new FileDataModel(new File("intro.csv")); 
 
    UserSimilarity similarity = new PearsonCorrelationSimilarity(model); 
    UserNeighborhood neighborhood = 
      new NearestNUserNeighborhood(2, similarity, model); 
 
    Recommender recommender = new GenericUserBasedRecommender( 
        model, neighborhood, similarity); 
 
    List<RecommendedItem> recommendations =  
        recommender.recommend(1, 1); 
 
    for (RecommendedItem recommendation : recommendations) { 
      System.out.println(recommendation); 
    } 
 
  } 
 
}

可以看出各个模块间的依赖关系：



接口的视图如下：



参考：

【1】 http://www.ibm.com/developerworks/cn/java/j-mahout/
【2】 mahout in action