Apache中的原型用户模型实现

Question

我致力于在推荐系统中实现个人和刻板印象用户模型。我遇到了Apache，但它似乎只适用于单个用户模型。我的问题是如何使用Apache？中的立体声型用户模型？

我对推荐引擎的理解是，您有以下核心参数

• 信息获取方法(隐式或显性)
• 用户模型(个人或原型)
• 推荐技术(协作或内容库)

Answer 1

味觉被人唾弃了。Mahout已经经历了重大的重新启动，不再接受Hadoop MapReduce代码。许多Hadoop MapReduce算法都是在Mahout代码库上重写的，该代码库虚拟化了大量线性代数类型操作，以便在多个计算引擎上运行。最完整的是Spark，它的运行速度比Hadoop MapReduce快10倍。

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

参见此处的“火花-行相似性”描述：http://mahout.apache.org/users/algorithms/intro-cooccurrence-spark.html#2-spark-rowsimilarity

该示例对您的情况是错误的，但是通过输入用户交互向量来计算用户相似性也同样有效。

另一种方法是将用户交互向量放入使用Lucene (如Solr或Elasticsearch )的相似引擎中。然后使用特定用户的数据进行查询，您将得到类似的用户。