recommendation-engine - 使用 SVD 和 Movielens/Netflix 类型数据集的基本伪代码

Question

我正在努力弄清楚如何开始使用带有 MovieLens/Netflix 类型数据集的 SVD 进行评级预测。我非常感谢 python/java 中的任何简单示例，或所涉及过程的基本伪代码。有许多论文/帖子总结了整体概念，但我不确定如何开始实现它，即使使用了一些建议的库。

据我了解，我需要将我的初始数据集转换如下:

初始数据集:

    user    movie   rating
    1       43      3
    1       57      2
    2       219     4

需要转为:

user        1   2
movie   43  3   0
        57  2   0
        219 0   4

此时，我是否只需将该矩阵注入(inject)可用库提供的 SVD 算法中，然后(以某种方式)提取结果，还是需要我做更多的工作？

我读过的一些信息:

http://www.netflixprize.com/community/viewtopic.php?id=1043
http://sifter.org/~simon/journal/20061211.html
http://www.slideshare.net/NYCPredictiveAnalytics/building-a-recommendation-engine-an-example-of-a-product-recommendation-engine
http://www.slideshare.net/bmabey/svd-and-the-netflix-dataset-presentation
..和其他一些论文

一些图书馆:
LingPipe(java)
Jama(java)
Pyrsvd(python)

任何提示都将不胜感激，尤其是在基本数据集上。
非常感谢，
奥利

Answer 1

见 SVDRecommender在 Apache Mahout 中。您关于输入格式的问题完全取决于您使用的库或代码。没有一个标准。在某种程度上，是的，代码将在内部构造某种矩阵。对于 Mahout，所有推荐器的输入，当作为文件提供时，是一个 CSV 文件，其行如 userID,itemID,rating .