mahout - 针对 Mahout 推荐器使用多个加权数据模型

Question

我有一个基于用户相似性的 bool 偏好推荐器。我的数据集本质上包含关系，其中 ItemId 是用户决定阅读的文章。我想添加第二个数据模型，其中包含 ItemId 是对特定主题的订阅。

我能想到的唯一方法是将两者合并在一起，偏移订阅 ID，这样它们就不会与文章 ID 冲突。对于加权，我考虑放弃 bool 偏好设置并引入偏好分数，其中文章子集的偏好分数为 1(例如)，订阅子集的偏好分数为 2。

但是，我不确定这是否有效，因为偏好分数并不完全类似于我所追求的权重；它们可能包含一些代表不满意的较低分数的概念。

我必须想象有更好的方法来做到这一点，或者至少对我的计划进行调整，使其更符合我想要的方式。

Answer 1

我认为你的想法是正确的。是的，对于订阅和文章，您想要比简单的存在/不存在更具表现力，因为它们的含义有些不同。我建议选择反射(reflect)其相对频率的权重。例如，如果用户一直阅读了 10 万篇文章，并进行了 10000 次订阅，那么您可以选择订阅权重为“10”，阅读权重为“1”。

如果您将这些值视为偏好分数，则由于多种原因，这不太有效。如果您使用一种按其本来面目对待它们的方法，即线性权重，效果会更好。

我会向您介绍 ALS-WR 算法，它是专门为此类输入设计的。例如:Collaborative Filtering for Implicit Feedback Datasets

这在 Mahout 中作为 Hadoop 上的 ParallelALSFactorizationJob 实现。尽管需要 Hadoop，但它工作得很好。 (尽管我确实在 Mahout 中编写了大部分推荐代码，但我不能将此归功于我。)

广告:我正在致力于将“下一代”系统商业化，该系统是由我在 Mahout 的工作演变而来的，如 Myrrix 。它是 ALS-WR 的实现，非常适合您的输入类型。这很容易download and run ，并且不需要 Hadoop。

鉴于它可能直接适合您的问题，我不介意将其插入此处。