问题标签 [mahout-recommender]

以下代码有什么问题，为什么它没有为匿名用户提供建议？
我无法弄清楚出了什么问题，但我无法使用 PlusAnonymousUserDataModel 获得匿名用户的建议。这是示例代码，它不显示对匿名用户的推荐，但为模型中具有完全相同偏好的用户提供推荐：

此代码产生的输出如下： Neighborhood=100

匿名推荐：

user_id=1680604 的推荐：RecommendedItem[item:1701, value:24.363672] ... 等等。所以没有对匿名用户的推荐！:(

事实证明，要获得推荐，您必须使用不是“真实的”（在我的情况下是基于文件的）持久性 DataModel 模型，而是使用 PlusAnonymousUserDataModel plusAnonymousModel 来构建相似性、邻域和推荐器！
因此，关于 Mahout 的基本文档（https://builds.apache.org/job/Mahout-Quality/javadoc/org/apache/mahout/cf/taste/impl/model/PlusAnonymousUserDataModel.html）是错误的ItemSimilarity similarity = new LogLikelihoodSimilarity(realModel); // not plusModel

早些时候，SO 上的其他人也遇到了同样的问题，在这里没有得到任何答案：Model creation for User User collaborative filtering 所以我想我应该去那里回答他。Sean Owen，感谢您的关注，您能确认我找到的解决方案是正确的吗？

我开始学习 mahout，但在第一步中，我的程序中出现了一个奇怪的错误。我正在尝试用几行代码构建一个简单的推荐器：

但我得到这个错误

这段代码有什么问题？我是从书上抄来的！

但是使用所有这些 jar 文件我得到以下错误：

我在使用额外的 jar 文件吗？

我正在尝试根据预定义的用户偏好匹配对象。一个简单的例子是寻找最匹配的车辆。

假设用户“汤姆”根据他的预定义偏好提供了一辆出租车辆用于旅行。在这种情况下，预定义的用户首选项将是 -

** Tom 的预定义用户偏好：

** 而 10 辆可用的车辆是 -

我要做的就是 - 为汤姆选择最符合他的喜好的车辆，并且也可能按顺序给他选择，即最佳匹配优先。

我的问题：

1. 这可以用 Mahout Taste 完成吗？
2. 如果是的话，有人可以指点我一些可以快速开始的示例代码吗？

这是我的第一个 SO 帖子，所以如果我错过了任何重要的事情，请告诉我。我是 Mahout/Hadoop 初学者，正在尝试组合一个分布式推荐引擎。

为了模拟在远程集群上的工作，我在我的机器上设置了 hadoop 以与同样位于我的机器上的 Ubuntu VM（使用 VirtualBox）通信，该机器上安装了 hadoop。此设置似乎运行良好，我现在尝试在（非常！）小型试验数据集上运行 Mahout 的“RecommenderJob”作为测试。

输入由一个.csv文件（保存在 hadoop dfs 上）组成，其中包含大约 50 个用户首选项，格式为：userID, itemID, preference... 我正在运行的命令是：

whereTestRatings.csv是包含首选项的文件，并且output是所需的输出目录。

起初，这项工作看起来运行良好，我得到以下输出：

但是最后三行无限期地重复（我把它留了一夜......），两行：

每十二行重复一次。

我不确定我的输入是否有问题，或者试验数据的微小尺寸是否把事情搞砸了。任何有关解决此问题的最佳方法的帮助和/或建议将不胜感激。

ps 我试图按照https://www.box.com/s/041rdjeh7sny128r2uki的说明进行操作

我已经使用 10M movielens 数据集尝试了基于项目的分布式推荐作业。一切正常。我的问题是，在查看针对用户的推荐时，我发现在推荐项目列表中，有些项目已经被用户评分。更加具体：

假设用户 ID：4 的用户观看了以下 ID 的电影：[123,543,234,567,324]，然后在推荐列表中再次出现 543 和 234。我只是查看 Mahout in Action 以了解该算法，我找不到在生成 TopK 列表之前消除已评级项目的代码段。我错过了什么，还是它推荐已经评分的项目是正常的？

如果正常，是否可以从候选项目中消除这些项目？

PS：在产生推荐后过滤掉推荐对我的情况来说效率不高，因为我想要的推荐数量是 100，在过滤某些用户后，这个数字会减少到 30 等等。

提前致谢。

我正在从 Mahout 0.7 运行一些基于 RecommenderJob (org.apache.mahout.cf.taste.hadoop.item.RecommenderJob) 的作业，并注意到有诸如 startPhase 和 endPhase 之类的选项。我猜这些只是运行管道的一部分，假设您有来自先前运行的必要输入数据。但是我很难理解 RecommenderJob 中有哪些阶段。我正在阅读源代码，但看起来需要一段时间。与此同时，我想知道是否有人可以阐明如何在 RecommenderJob 类中使用这些选项（尤其是 startPhase）？

在命令之后成功构建之后，我正在运行位于 mahout wiki stater 中的 mahout Recommender：

我看到了这个日志文件，但找不到任何输出：

[信息] --------------------------------------------- ------------------------- [INFO] 总时间：20 秒 [INFO] 完成时间：Fri Jan 04 14:47:33 PST 2013 [ INFO] 最终内存：31M/697M [INFO] ---------------------------------------- ---------------------------------

日志/输出在哪里？如何启用日志？建议在哪里？难道我做错了什么？

在 Mahout 中给定首选项输入文件（userID、itemID 和可选评级），我找不到仅生成共现矩阵的方法。那可能吗？我所能找到的只是生成推荐输出，并且似乎删除了共现矩阵。

我有一个非常标准的基于 Mahout 项目的新闻文章推荐器（使用点击数据，所以首选项是布尔值）：

我正在尝试将基于内容的知识注入推荐器，这样我就可以最强烈地推荐不仅在正常协同过滤意义上相似的文章，而且在它们共享许多共同术语的意义上也相似。

文章内容相似度（TF-IDF 向量的余弦相似度）使用 Mahout 批处理进行预计算并从数据库中读取。但是，会有很多文章对没有相似度数据。这有两个原因：

• 文章内容相似度数据的更新频率将低于用户项目偏好数据模型，因此在计算新文章的内容相似度之前会有延迟。

• 理想情况下，我想将所有内容相似度数据加载到内存中，因此我只会存储每篇文章的前 20 个相似度。

因此，对于给定的一对文章，我有：

• 项目相似度 (Tanimoto) 0 <= s1 <= 1
• 内容相似度（余弦）0 <= s2 <=1（可能为空）

在内容相似度不为空的情况下，我想用它的值来加权项目相似度，以便对内容相似的文章进行提升。

我的问题是：

• 尝试结合这些措施是否合理，还是我在尝试一些疯狂的事情？
• 将这两个值组合成一个相似度分数的合理公式是什么？
• 这最好是作为自定义ItemSimilarity还是作为Rescorer?

我们有两个矩阵：

• U->用户特征，包含用户根据项目的 20 个特征的评分（比如电影是项目，它的特征可能是动作、悲剧......） 6x20。
• M->项目特征（包含项目的特征评级（如果行动，那么它的评级，如果悲剧......）10x20）。

使用 Mahout 算法 matrixmult 取两者的点积。对于每个项目，它都显示相应的 userId 和 prefValue。我们还需要与它们一起生成 ItemId。输出是这样的：

其中有 6 个用户和 10 个项目。这里，对于每个项目，显示用户 id n 偏好值，但不显示项目 id