machine-learning - 没有偏好值的基于 Mahout 项目的推荐引擎

Question

我正在尝试使用 Mahout 构建一个推荐引擎，该引擎仅根据项目与项目的相似性给出推荐，而不考虑用户偏好（即评级）。项目相似度由 mahout 外部的一些其他进程计算并保存到文件中。到目前为止，我已经确定我可以使用该类：

GenericBooleanPrefItemBasedRecommender

...选择项目，文档中说“适合在数据中不存在偏好值概念时使用”。但是，该类仍然作为输入：

(DataModel dataModel, ItemSimilarity similarity)

我知道我可以使用 ItemSimilarity 类来提供项目到项目的相似性值，但是在这种情况下我的数据模型是什么？我没有偏好，这似乎正是数据模型所代表的东西。我该如何解决这个问题，还是我在这里看错了？

Answer 1

这是一个简单的代码，您可以如何创建使用 GenericBooleanPrefDataModel 的 DataModel 实例

DataModel model = new GenericBooleanPrefDataModel(GenericBooleanPrefDataModel.toDataMap(new FileDataModel(new File("YOUR_FILE_NAME"))));

但是，即使您有具有首选项值的数据模型，并且您有不使用此首选项值的 ItemSimilarity 的自定义实现，您也将获得所需的结果。

最好的，德拉甘

Answer 2

只需使用 GenericBooleanPrefDataModel。