推薦系統：簡單的基於用戶的協同過濾與精度評估和召回

我正在尋找在Java中的一個非常簡單的實現基於用戶的collaborative filtering。我想用movielens數據集來評估這個CF的精度和回憶。我已經看到，表現（F1）應該在20％到30％左右（Pearson相似度和KNN）。推薦系統：簡單的基於用戶的協同過濾與精度評估和召回

這是否簡單的框架與評價的精度和召回的代碼存在嗎？

來源

2011-05-11 Thomas

Apache Mahout做你提到這裏的一切。它基於Java，支持基於用戶的協作過濾（其中包括GenericUserBasedRecommender）。它是一個k近鄰算法，可以插入相似實現，如PearsonCorrelationSimilarity等。

看那org.apache.mahout.cf.taste包和子包。在.impl.eval分包中找到GenericRecommenderIRStatsEvaluator。這將運行一個測試報告精確度，召回率和F1。

最後，已經有基於在mahout-examplesGroupLens一些工作實例。

來源

2011-05-19 06:39:02

嗨，謝謝你的回答。然而Apache Mahout只是不可能使用，並且需要太多的包。另外，缺乏簡單的文檔（例如，如何在eclipse中使用Taste的類來製作新項目）不會有幫助... – Thomas 2011-05-19 11:27:03

不確定你的意思？這段代碼只有一些依賴...... SLF4J和Google Guava我相信。這是一個基於Maven的項目，所以如果使用Maven，您可以在Maven項目中使用幾行代碼。您還可以從項目中獲得一個簡單的.jar文件，其中包含所有內容，您可以像放入任何其他庫一樣將其放入任何Eclipse項目中。這是關於它 - 沒有太多的文件 - 但如果你有具體問題，我相信它可以在[email protected]上解決。 – 2011-05-20 07:24:25

你試過RapidMiner？如果您有興趣嘗試諸如評估精確度和回憶而不關注編碼。這是你的工具。網上甚至有紙張和youtube視頻教程都有很好的信息來幫助你。

來源

2012-12-15 23:03:31 Medeiros

推薦系統：簡單的基於用戶的協同過濾與精度評估和召回

回答

相關問題