马霍特推荐，3栏无偏好

Question

我必须向用户推荐视频。我有csv文件，包含userId，videoId，productId。在产品id下有许多类似的视频。类似：

userId videoId productId

1 2 1

1 3 1

1 5 2

2 7 2

2 8 1

2 2 1

为了更清楚起见，我将其分解为：

用户和视频关系：

userId videoId

12

1 3

1 5

2 7

2 8

2 2

考虑用户和视频：正如我们所看到的，用户1在videoid 2的基础上与用户2相似，因此，我建议用户1观看7和8视频。简单：）

但问题是实际产品和视频数据如下：

videoId productId

2 1

3 1

5 2

7 2

8 1

2 1

4 1

6 1

视频4和6也正在制作中。想想看，如果用户1来看videoid 2，我将不得不推荐7,8（基于类似用户）和4,6（基于相同产品下的类似视频，但不存在于实际csv中）。

我的问题是：

1. 我需要分解csv吗。

2. 什么是最好的算法。

3.获得结果视频后，如何对其进行排名

Answer 1

您想推荐什么，产品还是视频？选一个扔掉另一个，我看不出它有什么用。推荐会按顺序返回，并带有估计的偏好权重。

使用哪个版本的Mahout推荐程序取决于你有多少数据，有多少用户和项目。以及获取新偏好数据的频率。所有Mahout 0.9推荐器只能向表达了偏好的用户推荐，并且只能使用用于计算模型的偏好。

Mahout 1.0有一个完全不同的机制，只要你有一些偏好数据，就可以向匿名或新用户推荐。这些数据不需要在Mahout构建的模型中。这种方法需要使用像Solr或Elasticsearch这样的搜索引擎。

Mahout文档：http://mahout.apache.org/users/recommender/intro-cooccurrence-spark.html

我把一个preso放在一起：http://www.slideshare.net/pferrel/unified-recommender-39986309