Mahout中主要核心的三大算法为推荐，聚类及分类算法，今天就最基本的推荐算法做总结，推荐中常用的两个推荐算法是”user_based”和”item_based”，前者主要通过和你兴趣相似的人来发现新的你感兴趣的东西，而后者则是发现一些和你所喜欢的事物相似的事物。此外，还有一种基于“contend_based”的推荐算法，它是根据事物所拥有的元数据出现进行事物的推荐，例如，如果你喜欢的电影是斯皮尔伯格导影的，那么你可以向你的朋友推荐他拍摄的其他影片，推荐的理由就是基于电影的一个属性——导演，这个就是基于内容的推荐。

下面将使用mahout来做一个小的推荐案例以供学习：

1.构建数据集

这里选取的常用的偏好来描述用户与项目之间的关联程度，一个偏好包含有用户ID，项目ID和偏好值，例如，用户对影片的评分值，评分值越大，代表用户对该影片的喜爱越好。

可以采用文本文件来保存该内容，如intro.csv:

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

3,101,2.5

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

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

2.建立简易推荐器

下面利用mathou提供的基本类包mahout-examples-0.10.0-job.jar来构建java代码程序，我们要实现的是根据用户的基本情况向User1推荐合适的影片，代码如下：

package com.recommeder.lg.example;

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("/home/jinyu/Documents/intro.csv"));//加载数据文件

UserSimilarity similarity = new PearsonCorrelationSimilarity (model); //建立推荐模型

UserNeighborhood neighborhood = new NearestNUserNeighborhood (2, similarity, model);

Recommender recommender = new GenericUserBasedRecommender ( model, neighborhood, similarity);

List recommendations = recommender.recommend(1, 2); //给用户1推荐2个项目

for (RecommendedItem recommendation : recommendations) {

System.out.println(recommendation);

}

}

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

3.相关解释说明

该代码是基于用户推荐的基本流程，用图表示出来就是：

DataModel负责存储和提供用户、项目、偏好的计算所需要的数据。UserSimiliarity提供了一些基于某种

算法的用户相似度度量的方法。UserNeighborhood定义了一个和某指定用户相似的用户集合。最后，Recommender利用所有的组件来为一个用户产生一个推荐结果。

4.运行结果展示

利用eclipse运行该代码的结果如下所示：

可以看到该推荐器向用户1推荐了104,106这两部影片，其中104是推荐偏好量化值最高的一部

5.推荐器评估

高效准确地产生推荐结果是非常重要的，推荐的结果一般要求准、新、普，准要求推荐的结果可靠真实，新要求推荐的结果具有新奇性，不与往常重复，普则要求推荐的结果是为大众所接受的。评估的一般做法是将数据集分成训练集和测试集，然后选择指标进行评估说明。

常用的几个指标有：

差值平均数(真实与预期值)

标注差(差值均方根)

查准率与查全率

下面利用差值平均数进行评估，代码如下：

import java.io.File;

import org.apache.mahout.cf.taste.common.TasteException;

import org.apache.mahout.cf.taste.eval.*;

import org.apache.mahout.cf.taste.impl.eval.*;

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 org.apache.mahout.common.RandomUtils;

class RecommenderEvaluators {

public static void main(String[] args) throws Exception {

RandomUtils.useTestSeed();

DataModel model = new FileDataModel(new File("intro.csv"));//加载数据文件

RecommenderEvaluator evalutor= new AverageAbsoluteDifferenceRecommenderEvaluator();

RecommenderBuilder builder=new RecommenderBuilder() {

@Override

public Recommender buildRecommender(DataModel model) throws TasteException {

// TODO Auto-generated method stu

UserSimilarity similarity = new PearsonCorrelationSimilarity (model); //建立推荐模型

UserNeighborhood neighborhood = new NearestNUserNeighborhood (2, similarity, model);

return new GenericUserBasedRecommender (model,neighborhood,similarity);

}

};

double score =evalutor.evaluate(builder, null, model, 0.6, 1);

System.out.println(score);

}

}

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

最后的evaluate()函数为推荐器评分，分值越低，代表差异越小，评估的效果越准确，其中0.6表示训练集的百分比，1表示选取数据集的百分比。

6.分布式推荐计算

当数据量足够大时，单机环境已经不适用于做推荐计算了，这是可以考虑mahout提供的分布式推荐算法在hadoop平台下进行计算，可以把上述数据集上传到hdfs下的文件夹，然后利用recommenditembased命令进行分布式推荐计算，其适用的数据类型一般是偏好型，若是对向量数据进行相似度的计算，则可以考虑适用rowsimilarity命令，其主要参数可以使用mahout recommenditembased -h命令查看，运行命令如下：

mahout recommenditembased -i testdata/pre.data -o output/similar -s SIMILARITY_EUCLIDEAN_DISTANCE -n 3 -opfsm output/matrix

其中，-i 指出数据集存放地址，-o 存放推荐结果，-s 指出相似度计算的函数，-n 指出为每个用户推荐的数量，最后一个opfsm存放item间的相似度。

此外，hdfs下额外的产生的temp文件夹也有许多可查看文件，如下图：

不过，值得注意的事，尽管数据量很小，但是hadoop下的mapreduce过程仍然花费了一定的时间，还有，hadoop2.2与mahout1.0及以上版本搭配才可能不会出错的。