java使用mahout做协同过滤推荐算法

骑猪看日落 2022-04-17 03:20 708阅读 0赞

最近尝试了一下推荐算法，具体业务场景是给用户推荐一些比较热门的资讯：

本次实例采用了userCf算法。（springboot 2.0.4.RELEASE）

1、添加依赖

<properties>
        <mahout.version>0.9</mahout.version>
    </properties>
    
    <dependency>
    	<groupId>org.apache.mahout</groupId>
    		<artifactId>mahout-core</artifactId>
    		<version>${mahout.version}</version>
    	</dependency>
    <dependency>
        <groupId>org.apache.mahout</groupId>
    	<artifactId>mahout-integration</artifactId>
    	<version>${mahout.version}</version>
    		<exclusions>
    			<exclusion>
    				<groupId>org.mortbay.jetty</groupId>
    				<artifactId>jetty</artifactId>
    			</exclusion>
    			<exclusion>
    				<groupId>org.apache.cassandra</groupId>
    				<artifactId>cassandra-all</artifactId>
    			</exclusion>
    		    <exclusion>
    				<groupId>me.prettyprint</groupId>
    				<artifactId>hector-core</artifactId>
    			</exclusion>
    		</exclusions>
    </dependency>

2、基于基础数据较大，作推荐算法的时候可能执行时间过长，所以在做推荐的时候使用了定时器，并且将结果放进redis缓存

@Scheduled(cron = "0 0 */6 * * ?")
    	public void getRecommend() {
    		try {
    			String server = url.substring(url.indexOf("//") + 2, url.lastIndexOf(":"));
    			String database = url.substring(url.lastIndexOf("/") + 1, url.lastIndexOf("?"));
    			//权重计算使用数据库中的值，也可以使用文件形式
    			MysqlDataSource dataSource = new MysqlDataSource();
    			dataSource.setServerName(server);
    			dataSource.setUser(user);
    			dataSource.setPassword(pass);
    			dataSource.setDatabaseName(database);
    			DataModel model = new MySQLJDBCDataModel(dataSource, "t_itemcf", "user_id", "question_id", "score", "time");
    
    			// 指定用户相似度计算方法，这里采用皮尔森相关度
    			UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
    			// 指定用户邻居数量，这里为10
    			UserNeighborhood neighborhood = new NearestNUserNeighborhood(NEIGHBOORHOODNUM, similarity, model);
    			// 构建基于用户的推荐系统
    			Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);
    			// 得到指定用户的推荐结果，这里是得到用户1的两个推荐
    			LongPrimitiveIterator iterator=model.getUserIDs();
    			while(iterator.hasNext()) {
    				long uid=iterator.nextLong();
    				List<RecommendedItem> list=recommender.recommend(uid, RECOMMENDNUM);
    				for(RecommendedItem item:list) {
    					//删除
    					jedisCluster.zremrangeByRank("recommend:" + uid, Integer.MIN_VALUE, Integer.MAX_VALUE);
    					//加入
    					jedisCluster.zincrby("recommend:" + uid, item.getValue(), item.getItemID()+"");
    				}
    			}
    		} catch (Exception e) {
    			e.printStackTrace();
    		}
    	}

3、直接查询redis即可