mahout算法源码分析之Itembased Collaborative Filtering实战

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。

本系列介绍介绍mahout中的Itembased Collaborative Filtering算法，这个算法的实现的源码是org.apache.mahout.cf.taste.hadoop.item.RecommenderJob。在mahout官网是这样介绍这个算法的：RecommenderJob是一个完全分布式的基于项目的推荐器。它的输入是一个含有用户喜好数据的.csv文件，数据格式是userID，itemID，value。输出是userIDs和每个用户的推荐项目及项目的评分。下面就按照这样的输入数据，使用《mahout in action》中的list2.1中的数据进行测试（数据在http://blog.csdn.net/fansy1990/article/details/12354119中也可以看到），使用下面的测试代码对RecommenderJob进行测试：

package mahout.fansy.item.test;

import org.apache.mahout.cf.taste.hadoop.item.RecommenderJob;

public class TestRecommenderJob {

	/**
	 * RecommenderJob测试程序
	 * @param args
	 * @throws Exception 
	 */
	public static void main(String[] args) throws Exception {
		String[] arg=new String[]{"-jt","ubuntu:9001","-fs","ubuntu:9000",
				"-i","hdfs://ubuntu:9000/test/input/user_item",
				"-o","hdfs://ubuntu:9000/user/mahout/item/output",
				"-n","3","-b","false","-s","SIMILARITY_EUCLIDEAN_DISTANCE",
				"--maxPrefsPerUser","7","--minPrefsPerUser","2",
				"--maxPrefsPerUserInItemSimilarity","7",
				"--tempDir","hdfs://ubuntu:9000/user/mahout/item/temp"};
		
		RecommenderJob.main(arg);
	}

}

其中的一些参数先做些说明：-n参数就是--numRecommendations参数，这个参数设置后在最终的对每个用户进行推荐的时候就会推荐numRecommendations个项目；-b参数是--booleanData的缩写，这个参数是指原始数据是有用户的评分还是没有，比如原始数据只有用户和项目，这个也是可以的；-s是similarityClassname的缩写，看英文大概意思就是相似度的计算方式，这里选择的是欧氏距离；其他参数在后面的系列分析blog中进行分析。

上面的测试代码跑完后，可以在50030界面查看，一共跑了几个job任务，一般如下：

可以看到一共有9个job任务，同时在HDFS监控界面可以看到最后的推荐结果：

算法的输出也是比较好理解的，比如，从上面的结果可以看出，用户1被推荐了104、106、105项目（而且这些项目是按照得分从高到低排序的）。

所以，总体来说，这个算法调用和最后对结果的分析来说还是比较清晰的。算法调用只用设置-n（每个用户推荐多少个项目）即可，其他参数不进行设置，直接默认即可（不过好像-s参数一定要进行设置的）。最后算法跑完后，产生的结果也是很好分析的。

分享，成长，快乐

转载请注明blog地址：http://blog.csdn.net/fansy1990