推荐系统:简单的基于用户的协同过滤，可精确评估和召回

Question

我正在寻找一个非常简单的Java基于用户的协作过滤实现。我想用电影镜头数据集评估这个CF的精度和召回率。我已经看到性能（F1）应该在20%到30%左右（皮尔逊相似性和KNN）。

这个简单的框架是否存在于精度和召回代码的评估中？

Answer 1

Apache Mahout会做你在这里提到的一切。它是基于Java的，并支持基于用户的协作过滤（以及其他）与GenericUserBasedRecommender。它是一种 k 最近邻算法，您可以将相似性实现（如 PearsonCorrelationSimilarity 等）插入其中。

查看org.apache.mahout.cf.taste包和子包。在.impl.eval子包中找到GenericRecommenderIRStatsEvaluator。这将运行报告精度、召回率和 F1 的测试。

最后，已经有一些基于GroupLens的工作示例 mahout-examples .

Answer 2

你试过RapidMiner吗？如果您有兴趣，只需尝试诸如评估精度和召回之类的事情，而无需专注于编码。这就是适合您的工具。网络上有很好的信息，甚至是纸质和YouTube视频教程，都可以为您提供帮助。