추천 시스템에서 개인 및 스테레오 타입 사용자 모델 구현에 대해 작업하고 있습니다. 아파치 마흐트트 (Apache Mahout)를 보았지만 개별 사용자 모델에서만 작동합니다. 제 질문은 Apache Mahout Taste에서 스테레오 타입 사용자 모델로 어떻게 작업 할 수 있습니까?Apache Mahout의 스테레오 타입 사용자 모델 구현
추천 엔진에 대한 나의 이해는 이러한 핵심은
- 방법 매개 변수가 입니다 (공동 작업 또는 콘텐츠 기반)
추천 시스템에서 개인 및 스테레오 타입 사용자 모델 구현에 대해 작업하고 있습니다. 아파치 마흐트트 (Apache Mahout)를 보았지만 개별 사용자 모델에서만 작동합니다. 제 질문은 Apache Mahout Taste에서 스테레오 타입 사용자 모델로 어떻게 작업 할 수 있습니까?Apache Mahout의 스테레오 타입 사용자 모델 구현
추천 엔진에 대한 나의 이해는 이러한 핵심은
맛은 더 이상 사용되지 않습니다. Mahout은 주요 재부팅을 거치고 더 이상 Hadoop MapReduce 코드를 허용하지 않습니다. Hadoop MapReduce 알고리즘 중 상당수는 다수의 연산 엔진에서 실행되는 많은 양의 선형 대수 타입 연산을 가상화하는 Mahout Samsara 코드베이스에 다시 작성되었습니다. 가장 완벽한 것은 Spark입니다. Spark는 Hadoop MapReduce보다 10 배 빠른 속도로 실행됩니다.
ALS가 포함되어 있지만 새로운 "권장 사항"구현에는 항목 및 행 유사성에 대한 코드가 있습니다. 이는 권장 데이터에서 항목 및 사용자 유사성을 의미합니다. http://mahout.apache.org/users/algorithms/intro-cooccurrence-spark.html#2-spark-rowsimilarity
예는 사건에 대한 잘못이지만 사용자 상호 작용 벡터를 입력하여 사용자의 유사성을 계산하기 위해 단지뿐만 아니라 작동합니다
여기에 "스파크 rowsimilarity"의 설명을 참조하십시오.또 다른 방법은 Solr 또는 Elasticsearch와 같은 Lucene을 사용하는 유사성 엔진에 사용자 상호 작용 벡터를 넣는 것입니다. 그런 다음 특정 사용자의 데이터로 쿼리하면 유사한 사용자가 다시 나타납니다.