Mahout Recomendaton发动机向客户推荐产品及其数量

Question

我正在开发mahout推荐引擎用例，我预先计算了建议并存储在数据库中。现在，我正计划向.net.i提供具有品味的rest服务，向有限的客户提供rest服务，products.it是发行商级的推荐使用case.my问题是，如果新的发行商进来，我将如何向him.and建议建议，以及如何向每个distributor.could建议推荐产品的数量--大家给我一些guidance.am --我要面对性能问题？

Answer 1

一种方法是，当新用户出现时，从零开始为所有用户或仅为该用户预先计算建议。您应该知道，该用户可能也会更改其他用户的建议。这取决于你的需要经常你想做的预计算。

但是，如果您的用户和项目数量有限，另一种方法是让在线推荐程序实时计算建议。如果您使用FileDataModel，有一种方法可以定期从新用户那里获取数据(请参阅图书行动中的马赫特)。如果在更快的内存数据模型中使用，则可以重写方法：setPreference(long userID, long itemID, float value)和removePreference(long userID, long itemID)，每当新用户出现并喜欢或删除某些项时，就应该在数据模型上调用这些方法。

编辑：基本上您可以获得GenericDataModel，并将其添加到setPreference和removePreference方法中。这将是您较低级别的数据模型。之后，您可以通过在ReloadFromJDBCDataModel方法中设置数据模型来封装它，如下所示：

DataModel newDelegateInMemory = delegate.hasPreferenceValues()？新MutableBooleanPrefDataModel(delegate.exportWithIDsOnly())；(delegate.exportWithPrefs())

重写的方法：

@Override
public void setPreference(long userID, long itemID, float value) {

    userIDs.add(userID);
    itemIDs.add(itemID);

    setMinPreference(Math.min(getMinPreference(), value));
    setMaxPreference(Math.max(getMaxPreference(), value));

    Preference p = new GenericPreference(userID, itemID, value);

    // User preferences
    GenericUserPreferenceArray newUPref;
    int existingPosition = -1;
    if (preferenceFromUsers.containsKey(userID)) {
        PreferenceArray oldPref = preferenceFromUsers.get(userID);
        newUPref = new GenericUserPreferenceArray(oldPref.length() + 1);
        for (int i = 0; i < oldPref.length(); i++) {
            //If the item does not exist in the liked user items, add it!
            if(oldPref.get(i).getItemID()!=itemID){
                newUPref.set(i, oldPref.get(i));
            }else{
                //Otherwise remember the position
                existingPosition = i;
            }
        }
        if(existingPosition>-1){
            //And change the preference value
            oldPref.set(existingPosition, p);
        }else{
            newUPref.set(oldPref.length(), p);
        }
    } else {
        newUPref = new GenericUserPreferenceArray(1);
        newUPref.set(0, p);
    }
    if(existingPosition == -1){
        preferenceFromUsers.put(userID, newUPref);
    }

    // Item preferences
    GenericItemPreferenceArray newIPref;
    existingPosition = -1;
    if (preferenceForItems.containsKey(itemID)) {
        PreferenceArray oldPref = preferenceForItems.get(itemID);
        newIPref = new GenericItemPreferenceArray(oldPref.length() + 1);
        for (int i = 0; i < oldPref.length(); i++) {
            if(oldPref.get(i).getUserID()!=userID){
                newIPref.set(i, oldPref.get(i));
            }else{
                existingPosition = i;
            }
        }
        if(existingPosition>-1){
            oldPref.set(existingPosition, p);
        }else{
            newIPref.set(oldPref.length(), p);
        }
    } else {
        newIPref = new GenericItemPreferenceArray(1);
        newIPref.set(0, p);
    }
    if(existingPosition == -1){
        preferenceForItems.put(itemID, newIPref);
    }   
}

@Override
public void removePreference(long userID, long itemID) {
    // User preferences
    if (preferenceFromUsers.containsKey(userID)) {
        List<Preference> newPu = new ArrayList<Preference>();
        for (Preference p : preferenceFromUsers.get(userID)) {
            if(p.getItemID()!=itemID){
                newPu.add(p);
            }       
        }
        preferenceFromUsers.remove(userID);
        preferenceFromUsers.put(userID, new GenericUserPreferenceArray(newPu)); 
    }
    if(preferenceFromUsers.get(userID).length()==0){
        preferenceFromUsers.remove(userID);
        userIDs.remove(userID); 
    }
    if (preferenceForItems.containsKey(itemID)) {
        List<Preference> newPi = new ArrayList<Preference>();
        for (Preference p : preferenceForItems.get(itemID)) {
            if(p.getUserID() != userID){
                newPi.add(p);
            }   
        }
        preferenceForItems.remove(itemID);
        preferenceForItems.put(itemID, new GenericItemPreferenceArray(newPi));
    }   
    if(preferenceForItems.get(itemID).length()==0){
        //Not sure if this is needed, but it works without removing the item
        //preferenceForItems.remove(itemID);
        //itemIDs.remove(itemID);
    }
}

Answer 2

如果“新发行商”的意思是你没有他们的数据，没有历史数据。那么您就不能使用Mahout的推荐人来提出建议。

你可以建议其他项目，一旦他们选择一个。使用Mahout的“项目相似”驱动程序为目录中的所有内容计算相似的项目。然后，如果他们选择的东西，你可以建议类似的项目。

来自项目相似驱动程序的项可以作为列值存储在您DB中，列值包含每个项的类似项的in。然后，您可以使用搜索引擎对列进行索引，并使用用户的第一个顺序作为查询。这将返回实时个性化推荐，是马赫特人建议的最最新的方法。

在这本书中，特德·邓宁( Ted )介绍了如何做到这一点。邓宁是马赫特( Mahout )的主要数据科学家之一。http://www.mapr.com/practical-machine-learning