implémentation de modèle utilisateur stéréotypé dans Apache Mahout

Question

Je travaille sur la mise en œuvre de modèle d'utilisateur individuel et de stéréotype dans le système de recommandation. Je suis tombé sur Apache Mahout mais il semble que cela ne fonctionne qu'avec un modèle d'utilisateur individuel. Ma question est comment puis-je travailler avec un modèle d'utilisateur de type stéréo dans Apache Mahout Taste?

Ma compréhension pour le moteur de recommandation est que vous avez ces noyau paramètres

• Méthode d'acquisition de l'information (implicite ou explicite)
• modèle utilisateur (individuel ou stéréotype)
• techniques Recommandation (Collaboratif ou base de contenu)

Answer 1

Le goût est déprécié. Mahout a subi un redémarrage majeur et n'accepte plus le code Hadoop MapReduce. Beaucoup des algorithmes Hadoop MapReduce ont été réécrits sur la base de code Mahout Samsara qui virtualise beaucoup d'opérations de type algèbre linéaire pour fonctionner sur plusieurs moteurs de calcul. Le plus complet est Spark, qui tourne quelque chose comme 10x plus rapide que Hadoop MapReduce. En tant que préambule, les nouvelles implémentations "recommander", bien qu'elles incluent ALS, ont également un code pour la similarité des éléments et des lignes, ce qui dans les données du recommandeur signifie l'élément et la similarité de l'utilisateur.

Voir la description de « étincelle rowsimilarity » ici: http://mahout.apache.org/users/algorithms/intro-cooccurrence-spark.html#2-spark-rowsimilarity

L'exemple est mauvais pour votre cas, mais fonctionne aussi bien pour calculer les similitudes des utilisateurs en introduisant des vecteurs d'interaction utilisateur.

Une autre façon d'y parvenir est de placer des vecteurs d'interaction utilisateur dans un moteur de similarité qui utilise Lucene comme Solr ou Elasticsearch. Ensuite, interrogez les données d'un utilisateur spécifique et vous obtiendrez des utilisateurs similaires.