Mahout in Action-2.简介

一、推荐的定义

　　推荐：是一种用户体验的预测模式，采用这个模式发现你原先不知道，并且对你来说是新颖和感兴趣的事物。

　　推荐引擎算法分两种：

1. 找出和你喜好相类似的人，把他们的喜好推荐给你。基于用户（user-base）；
2. 根据你已经喜欢的产品，找出其他明显满足你喜好的产品。

　　协同过滤（CF）产品推荐：主要特点，它是依据用户以往的行为做出推荐，而非兴趣集里各个条目内容的差异，所以CF不需要领域知识，在进行推荐前也不需要对内容进行事先收集和分析；（观其友，知其人）

　　基于内容推荐：依据产品的某些属性进行推荐。例如：你的朋友推荐你买Manning的书，因为你的朋友喜欢Maning其他的书，你的朋友就是是根据“出版商”这个属性做的推荐。

　　基于内容的推荐技术没有错，相反它能够很好的工作。但是，它需要很多预先设定的域，否则很难构建一个有效的框架。想构建一个有效的基于内容推荐，必须先定义书的属性：作者、出版商、颜色、页数、格式，这些属性有什么意义，达到什么程度。没有这些领域知识采用这种推荐方式很不靠谱。

　　所以Mahout只提供协同过滤算法。

二、运行第一个推荐引擎

　　数据准备：

 

　　数据所展现出的趋势：

　　

　　给User1推荐那本书？101、102、103？No，这些书User1已经看过了，应该推荐给他新东西。直觉上，User4和User5与User1喜好相似，应该把User4和User5喜好并且User1没有看过的书推荐给User1，也就是104、105、106推荐给User1。其中104分数最高4.5，所以推荐104。

　　Java代码：

public static void main(String[] args) throws Exception {

    DataModel model = new FileDataModel(new File("src/main/java/mia/recommender/ch02/intro.csv"));

    UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
    UserNeighborhood neighborhood =
      new NearestNUserNeighborhood(2, similarity, model);

    Recommender recommender = new GenericUserBasedRecommender(
        model, neighborhood, similarity);                         // Create recommender engine

    List<RecommendedItem> recommendations =
        recommender.recommend(1, 1);                              // For user 1,recommend 1 item

for (RecommendedItem recommendation : recommendations) {
      System.out.println(recommendation);
    }

输出结果：
RecommendedItem[item:104, value:4.257081]

　　分析代码：

DataModel：实现数据的存储，提供输入数据入口；

UserSimilarity：计算或度量用户有多相似；

UserNeighborhood：定义了给定用户最相似的一组用户；

Recommender：汇集这些组件，最终推荐给用户产品。

三、评估推荐结果

　　对于用户什么是最好的推荐？

　　推荐的产品应该是用户非常可能喜欢的产品（准确率），推荐的产品应该覆盖用户将来感兴趣的所有产品（召回率）

　　如何度量预测的准确性？（训练集和评分）

　　分为测试级和训练集，通过训练集预测测试级的喜好，然后与测试级的真实情况作比较，最后评分。

 

MAE（Mean Average difference）：平均绝对误差

RMSE（Root Mean Square）：均方根误差，对预测不准的用户物品（item2）进行惩罚，因而对系统的评测更加苛刻。

 　　Java代码：　　　　　　　　

public static void main(String[] args) throwsException {
    RandomUtils.useTestSeed(); // the same random choices each time

    DataModel model = new FileDataModel(new File("src/main/java/mia/recommender/ch02/intro.csv"));

    RecommenderEvaluator evaluator =
      new AverageAbsoluteDifferenceRecommenderEvaluator();
　　// new RMSRecommenderEvaluator();

    // Build the same recommender for testing that we did last time:
    RecommenderBuilder recommenderBuilder = new RecommenderBuilder() {
      @Override
      public Recommender buildRecommender(DataModel model) throws TasteException {
        UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
        UserNeighborhood neighborhood =
          new NearestNUserNeighborhood(2, similarity, model);
        return new GenericUserBasedRecommender(model, neighborhood, similarity);
      }
    };
    // Use 70% of the data to train; test using the other 30%.
    double score = evaluator.evaluate(recommenderBuilder, null, model, 0.7, 1.0);  // 1.0 how much of the overall input data is used. 

    System.out.println(score);
  }

　　分析代码与结果：

　　RecommenderEvaluator：将数据集分为训练集和测试集，构造一个新的训练DataModel和Recommender用于预测测试集，最后评估测试集预测喜好与真实喜好的差别。

　　AverageAbsoluteDifferenceRecommenderEvaluator：可替换为RMSE的RMSRecommenderEvaluator.

　　结果为1.0：意味着预测的推荐喜好平均与真实喜好差别1.0.

四、评估准确率和召回率

　　TopN推荐：网站提供推荐服务时，一般给用户一个个性化的推荐列表，这种推荐叫做TopN推荐。

　　准确率：（根据用户在训练集上的行为给用户做出的推荐列表，也在测试集里）/根据用户在训练集上的行为给用户做出的推荐列表；

　　召回率：（根据用户在训练集上的行为给用户做出的推荐列表，也在测试集里）/该用户在测试集里的行为；