http://terryma.blog.sohu.com/58889892.html
关注推荐系统有好一阵了，居然没有任何的产出，惭愧、惭愧。
这几天学习了一下开源的java推荐系统Taste，有一些心得，慢慢的贴出来。
如果产生Item-based推荐：
假设有4个用户 u1、u2、u3、u4
产品有n个 c1、c2、c3
步骤：
1.找出用户对产品的打分。
2.找出产品之间的相似度。
3.可以对特定用户给予推荐。
其中需要人工做的就是对产品之间的相似度，给出评分，这个是个比较麻烦的事情，如果有n个产品，就需要N!个评分。
如果用Taste实现，需要的代码如下：
1。建立数据集，主要数据内容是用户对产品的打分：DataModel model = new FileDataModel(new File("data.txt")); 2。建立item相似度，集合例如：先建物（这里有三个物品） final Item item1 = new GenericItem<String>("0"); final Item item2 = new GenericItem<String>("1"); final Item item3 = new GenericItem<String>("2“); 再记录item的相似度 final Collection<GenericItemCorrelation.ItemItemCorrelation> correlations = new ArrayList<GenericItemCorrelation.ItemItemCorrelation>(2); correlations.add(new GenericItemCorrelation.ItemItemCorrelation(item1, item2, 1.0)); correlations.add(new GenericItemCorrelation.ItemItemCorrelation(item1, item3, 0.5)); 3.生成推荐 final ItemCorrelation correlation = new GenericItemCorrelation(correlations); final Recommender recommender = GenericItemBasedRecommender(dataModel, correlation); 4.最终生成推荐 final List<RecommendedItem> recommended = recommender.recommend("test1", 1); final RecommendedItem firstRecommended = recommended.get(0); |
