wolvesqun的专栏

Mahout推荐算法编程实践 标签： 甘道夫 mahout 推荐算法 | 发表时间：2014-09-10 17:27 | 作者：u010967382 分享到： 出处：http://blog.youkuaiyun.com 引言 Taste是曾经风靡一时的推荐算法框架，后来被并入Mahout中，Mahout的部分推荐算法基于Taste实现。 下文介绍基于Taste实现最常用的Use

Mahout基于内存的DataMode 推荐引擎Demo2 //注释的部分是基于文件也可以理解为基于日志文件的，  //DataModel 可以有很多种，实现abstractDataMode的子类，原则上都可以作为数据源，个人觉得，不管是那种DataMode各自有优缺点  //应该视情况而定，  package com.test.mahout;  impo

Mahout使用了Taste来提高协同过滤算法的实现，它是一个基于Java实现的可扩展的，高效的推荐引擎。Taste既实现了最基本的基 于用户的和基于内容的推荐算法，同时也提供了扩展接口，使用户可以方便的定义和实现自己的推荐算法。同时，Taste不仅仅只适用于Java应用程序，它 可以作为内部服务器的一个组件以HTTP和Web Service的形式向外界提供推荐的逻辑。Taste的设计使它能满足企

用Mahout来构建推荐系统，是一件既简单又困难的事情。简单是因为Mahout完整地封装了“协同过滤”算法，并实现了并行化，提供非常简单的API接口；困难是因为我们不了解算法细节，很难去根据业务的场景进行算法配置和调优。 本文将深入算法API去解释Mahout推荐算法底层的一些事。 目录 Mahout推荐算法介绍算法评判标准：召回率与准确率Recommender.java的API

自己动手写一个推荐系统 废话： 最近朋友在学习推荐系统相关，说是实现完整的推荐系统，于是我们三不之一会有一些讨论和推导，想想索性整理出来。 在文中主要以工程中做推荐系统的流程着手，穿插一些经验之谈，并对于推荐系统的算法的学术界最新的研究进展和流派作一些介绍。当然由于我做推荐系统之时还年幼，可能有很多偏颇甚至错误的见解，就当抛砖引玉，还请各位大大指点。     Rea

//注释的部分是基于文件也可以理解为基于日志文件的，  //DataModel 可以有很多种，实现abstractDataMode的子类，原则上都可以作为数据源，个人觉得，不管是那种DataMode各自有优缺点  //应该视情况而定，  package com.test.mahout;  import java.util.List;  import org.a