在Apache Mahout中刻板印象用户模型实现

Question

我在推荐系统中实现个人和刻板印象用户模型。我遇到了Apache Mahout，但它似乎只适用于个人用户模型。 我的问题是我如何在Apache Mahout Taste中使用立体声用户模型？

我对推荐引擎的理解是 你有这些核心参数信息获取的

• 法（隐性或显性）
• 用户模式（个人或刻板印象）
• 推荐技术（合作或内容基地）

Answer 1

口味被弃用。 Mahout经历了重大重启，不再接受Hadoop MapReduce代码。许多Hadoop MapReduce算法已被重写在Mahout Samsara代码库上，该代码库将大量线性代数类型操作虚拟化为在多个计算引擎上运行。最完整的是Spark，其运行速度比Hadoop MapReduce快10倍。

作为序言，新的“推荐”实现虽然包括ALS，但也具有项目和行相似性的代码，这在推荐数据中意味着项目和用户的相似性。

请参阅“火花rowsimilarity”这里的描述：http://mahout.apache.org/users/algorithms/intro-cooccurrence-spark.html#2-spark-rowsimilarity

的例子是错误的，你的情况，但效果一样好通过输入用户交互的载体来计算用户的相似性。

另一种方法是将用户交互矢量放入一个使用Lucene（如Solr或Elasticsearch）的相似度引擎。然后使用特定用户的数据进行查询，您将获得相似的用户。