mahout0.11 taste框架推荐引擎api

发布时间:2020-08-08 15:47:04 作者:jethai
来源:网络 阅读:916


mahout0.11  taste框架推荐引擎api

所需jar包

mahout0.11  taste框架推荐引擎api


数据格式以逗号分隔

1,101,5.0
1,102,3.0
1,103,2.5
2,101,2.0
2,102,2.5
2,103,5.0
2,104,2.0
3,101,2.0
3,104,4.0
3,105,4.5
3,107,5.0
4,101,5.0
4,103,3.0
4,104,4.5
4,106,4.0
5,101,4.0
5,102,3.0
5,103,2.0
5,104,4.0
5,105,3.5
5,106,4.0
6,102,4.0
6,103,2.0
6,105,3.5
6,107,4.0


基于用户推荐

import java.io.File;
import java.util.List;

import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;


public class UserItemRecommend {
public static void main(String[] args) throws Exception{
    //创建数据模型
    DataModel dm = new FileDataModel(new File("C:/test.txt"));
    //使用user来推荐,计算相似度
    UserSimilarity us=new PearsonCorrelationSimilarity(dm);
    //查找K(3)近邻
    UserNeighborhood unb=new NearestNUserNeighborhood(3, us, dm);
 //构造推荐引擎
    Recommender re =new GenericUserBasedRecommender(dm, unb, us);
//显示推荐结果,为1号用户推荐两个商品
    List<RecommendedItem> list = re.recommend(1, 2);
    for(RecommendedItem recommendedItem :list)
    {
        System.out.println(recommendedItem);
    }
}
    
}

推荐结果

RecommendedItem[item:104, value:4.257081]
RecommendedItem[item:106, value:4.0]


基于商品

import java.io.File;
import java.util.List;

import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.recommender.GenericItemBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.ItemSimilarity;


public class ItemUserRecommend {
public static void main(String[] args) throws Exception{
    //创建数据模型
    DataModel dm = new FileDataModel(new File("C:/test.txt"));

    ItemSimilarity is=new PearsonCorrelationSimilarity(dm);
    
 //构造推荐引擎
    Recommender re =new GenericItemBasedRecommender(dm,is);
//显示推荐结果,为1号用户推荐两个商品
    List<RecommendedItem> list = re.recommend(1, 2);
    for(RecommendedItem recommendedItem :list)
    {
        System.out.println(recommendedItem);
    }
}
    
}


slopeone算法,0.9版本已移除,要使用只能用0.8

import java.io.File;
import java.util.List;

import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.recommender.GenericItemBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.ItemSimilarity;


public class SlopeOneRecommend {
public static void main(String[] args) throws Exception{
    //创建数据模型
    DataModel dm = new FileDataModel(new File("C:/test.txt"));

    
    
 //构造推荐引擎
    Recommender re =new SlopeOneRecommender(dm);;
//显示推荐结果,为1号用户推荐两个商品
    List<RecommendedItem> list = re.recommend(1, 2);
    for(RecommendedItem recommendedItem :list)
    {
        System.out.println(recommendedItem);
    }
}
    
}


推荐阅读:
  1. 一步步教你用python的scrapy编写一个爬虫
  2. zen_cart如何实现支付前生成订单

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

mahout taste cf st

上一篇:如何验证线性一致性

下一篇:企业环境下MySQL5.5调优

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》