fansy1990的专栏

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。本系列介绍介绍mahout中的Itembased Collaborative Filtering算法，这个算法的实现的源码是org.apache.mahout.cf.taste.hadoop.item.RecommenderJob。在mahout官网是这样介绍这个算法的：RecommenderJob是

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。本篇开始之前先来验证前篇blog的分析结果，编写下面的测试文件来进行对上篇三个job的输出进行读取：package mahout.fansy.item;import java.io.IOException;import java.util.Map;import org.apache.

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。本篇分析RecommenderJob的源码，这个类也是继承了AbstractJob，所以也会覆写其run方法，点开这个run方法，可以看到和其他的job类都一样，刚开始都是基本参数的默认值设置和获取；然后到了第一个job，在这个job之前有一个shouldRunNextPhase()函数，点开这个函数

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。经过了SimilarityJob的计算共生矩阵后，就可以开始下面一个过程了，这个过程主要是共生矩阵的乘法，要说这个共生矩阵的乘法是啥意思？我也不是很清楚，不清楚就看代码呗。首先明确共生矩阵，即共生矩阵的输入文件（也是上面个SimilarityJob的输出文件）：similarityMa

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。接上篇，本篇分析该算法的最后一个job。在上篇计算共生矩阵的乘积后，接下来又到了一个shouldRunNextPhase的方法了，这个方法里面含有三个prepareJob，但是本次只分析一个，为啥？因为在实战中没有设置filterFile，这里其实是可以设置filterFile的，设置这个参数的作

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。本篇是ItemBased Collaborative Filtering的算法综述，即总结前面几篇blog，分析该算法的数据流，主要使用的数据是《mahout in action》中的listing2.1的数据。首先贴上下面的一个图：看到上面的图片（这个算法计算到上图中的矩阵还没有结束