摘要：在现实中广泛使用的推荐系统一般都是基于协同过滤算法的，这类算法通常都需要计算用户与用户或者项目与项目之间的相似度，对于数据量以及数据类型不同的数据源，需要不同的相似度计算方法来提高推荐性能，在mahout提供了大量用于计算相似度的组件，这些组件分别实现了不同的相似度计算方法。下图用于实现相似度计算的组件之间的关系：图1、项目相似度计算组件图2、用户相似度计算组件下面就几个重点相似度计算方法做介绍：皮尔森相关度类名：PearsonCorrelationSimilarity原理：用来反映两个变量线性相关程度的统计量范围：[-1,1]，绝对值越大，说明相关性越强，负相关对于推荐的意义小。说明：1、. 阅读全文

摘要：首先，创建一张表：CREATE TABLE example(ID Number(4) NOT NULL PRIMARY KEY,NAME VARCHAR(25));然后，自定义一个序列(sequence)：CREATE SEQUENCE example_sequenceINCREMENT BY 1 -- 每次加几个START WITH 1 -- 从1开始计数NOMAXVALUE -- 不设置最大值NOCYCLE -- 一直累加，不循环NOCACHE -- 不建缓冲区再创建一个触发器：CREATE TRIGGERexample_triger BEFOREINSERT ON example FOR 阅读全文

摘要：对历史数据的保存是数据仓库的主要特征之一，在构建事实表时，通常都会有日期关键字来与日期维表进行关联，以实现对事实表基于日期特征的分析。如果数据仓库涉及的日期不是很长，简单可以通过excel工具手动来生成日期维表并导入到数据库中，但一般的数据仓库都会涉及很长时期的存储，所以手动方式的适用度并不强，当另外计算用VBA编程实现了日期维表数据的生成，也需要通过导入技术导入到数据库中，显得不是很方便。下面介绍两种利用数据库的一些小窍门，实现自动填充日期维表的方法，这两个方式在oracle 10g测试通过，可以直接拷贝代码使用。1、利用rownum，通过sql创建日期维表并直接生成数据rownum是数据表 阅读全文

摘要：搜索引擎是当前快速查找目标信息的最好途径。在用户对自己需求很明确时，用搜索引擎可以方便地通过关键字快速找到自己需要的信息。但搜索引擎并不能完全满足用户对信息发现的需求，因为在很多情况下，用户其实并不明确自己的需要，或者他们的需求很难用简单的关键字来表述，又或者他们需要更加符合他们个人口味和喜好的结果，因此出现了推荐系统，与搜索引擎对应，大家也习惯称它为推荐引擎。 阅读全文

摘要：mahout项目是由多个子项目组成的，各子项目分别位于源码的不同目录下，对源码目录进行简要的介绍和说明，了解各子项目的用途及相互关系。 阅读全文

摘要：Taste是 Apache Mahout 提供的一个个性化推荐引擎的高效实现，该引擎基于java实现，可扩展性强，同时在mahout中对一些推荐算法进行了MapReduce编程模式转化，从而可以利用hadoop的分布式架构，提高推荐算法的性能。 阅读全文

摘要：Apache Mahout 是 ApacheSoftware Foundation (ASF) 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序，并且，在 Mahout 的最近版本中还加入了对Apache Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中 阅读全文