mahout推荐系统源码笔记（6） ---补充之mahout抽样

mahout中基于hadoop的推荐系统采用抽样的方式压缩向量。

具体是这样的：

在相似度计算的job中，输入是这样的格式：

itemID , Vector< userID , pref >

首先通过对每个item的向量空间进行sampleDown采样，然后默认是500，不够五百的空间取全部向量。

然后就这样将推荐的向量压缩在了一个可控的范围，接下来对itemID进行相似度计算以后会有一个topN的排行，这个排行又一次剪枝了相似度矩阵，默认是100，也就是说，对于如下格式：

itemA , Vector< itemB , sim >

控制每个A对于物品B的最大控制在100以内。

什么意思呢，从最后开始倒着想，我们最后需要推荐10个itemB给用户，然后这10个是怎么得到的呢？

其实就是从用户的使用历史也就是itemA中通过每个itemA和itemB的相似度和用户对itemA的偏好的加权平均得到的。