2014年9月19日

mahout学习笔记3

摘要： Understanding user-based recommendation1.When recommendation goes wrong选择合适的data set作为训练数据2.When recommendation goes rightExploring the user-based rec... 阅读全文

posted @ 2014-09-19 18:32 ukouryou 阅读(155) 评论(0) 推荐(0)

mahout学习笔记2

摘要： Representing preference data1.Thre Preference ObjectOne object represents one user’s preference for one item.Preference is an interface, and the imple... 阅读全文

posted @ 2014-09-19 15:48 ukouryou 阅读(178) 评论(0) 推荐(0)

Mahout之（三）相似性度量

摘要： 转自http://www.douban.com/note/208193209/User CF 和 Item CF 都依赖于相似度的计算，因为只有通过衡量用户之间或物品之间的相似度，才能找到用户的“邻居”，才能完成推荐。上文简单的介绍了相似度的计算，但不完全，下面就对常用的相似度计算方法进行详细的介绍... 阅读全文

posted @ 2014-09-19 14:54 ukouryou 阅读(188) 评论(0) 推荐(0)

Mahout之（二）协同过滤推荐

摘要： 转自http://www.douban.com/note/205498112/协同过滤 —— Collaborative Filtering协同过滤简单来说就是根据目标用户的行为特征，为他发现一个兴趣相投、拥有共同经验的群体，然后根据群体的喜好来为目标用户过滤可能感兴趣的内容。协同过滤推荐 —— C... 阅读全文

posted @ 2014-09-19 14:51 ukouryou 阅读(157) 评论(0) 推荐(0)

Mahout之（一）数据承载

摘要： 转自http://www.douban.com/note/204399134/推荐数据的处理是大规模的，在集群环境下一次要处理的数据可能是数GB，所以Mahout针对推荐数据进行了优化。Preference在Mahout中，用户的喜好被抽象为一个Preference，包含了userId，itemId... 阅读全文

posted @ 2014-09-19 14:49 ukouryou 阅读(137) 评论(0) 推荐(0)

导航