什么是增加最大推荐模型的正确方法？

Question

我有一个信息流的用户项目对，持有一个基于最后6M记录的块，并更新它每分钟。我不喜欢这些之间的重建，一些重要的数据可能是未使用的。例如，新用户加入了系统，但是模型还不知道他的情况。我发现了类PlusAnonymousConcurrentUserDataModel，，它允许向模型中添加少量条目并获得更精确的推荐。文档为它提出了更多限制使用的场景:我必须：

• 分配临时用户
• 添加额外数据
• 得到推荐
• 然后发布用户和额外数据。

可以使用这个类迭代地收集数据直到模型被定时器重建吗？怎样才是正确的方法？PlusAnonymousConcurrentUserDataModel似乎有一些不同的用途。

Answer 1

马赫特的这部分已经很古老了，有人反对。我认为它甚至不是在0.14.0版本中，您必须从源代码构建。

Mahout现在使用一种全新的技术来推荐。这种新算法称为相关交叉算法。您使用的旧方法没有像您所概述的那样使用实时输入。CCO可以推荐匿名用户，只要他们有某种形式的行为数据，这些用户还没有被内置到模型中。

实现CCO的体系结构需要DB中的数据存储和KNN引擎(搜索引擎)来进行模型查询。所有这些都打包在Apache PredictionIO + 通用推荐模板中。

社区对通用推荐本身的支持可以在这里找到：https://groups.google.com/forum/#!forum/actionml-user或其他项目的邮件列表。