使用多重，加權數據模型的Mahout推薦

Question

我有一個基於用戶相似性的布爾偏好推薦。我的數據集基本上包含關係，其中ItemId是用戶決定閱讀的文章。我想添加第二個數據模型，其中包含ItemId是訂閱特定主題的位置。

我可以想象做到這一點的唯一方法是合併兩者，抵消訂閱ID，以便它們不會與文章ID衝突。對於加權，我考慮放棄布爾偏好設置並引入偏好分數，其中文章子集的偏好分數爲1（例如），訂閱子集的偏好分數爲2.

我不確定是否這樣但是，因爲偏好分數並不完全類似於我之後的加權類型;他們可能包括一些代表不滿的低分數概念。

我不得不想象有一個更好的方法來做到這一點，或者至少是對我的計劃進行了調整，使其更符合我的願望。

Answer 1

我想你正以正確的方式思考它。是的，你希望比簡單的存在更具表現力/不存在訂閱和文章，因爲它們意味着有些不同的東西。我建議選擇反映其相對頻率的權重。例如，如果用戶已經閱讀了100K篇文章，並且訂閱了10000個訂閱，那麼您可以選擇訂閱權重爲「10」，讀權重爲「1」。

由於多種原因，如果您將這些值視爲偏好分數，這並不完全正確。如果你使用一種把它們看作是線性權重的方法，它會更好。

我會告訴你ALS-WR算法，它是專門爲這種類型的輸入設計的。例如：Collaborative Filtering for Implicit Feedback Datasets

這是在Mahout中以Hadoop上的ParallelALSFactorizationJob實現的。它很好地工作，但需要Hadoop。 （雖然我在Mahout中編寫了大部分推薦代碼，但我無法相信這一點）。

廣告：我正致力於將從我在Mahout工作演變而來的「下一代」系統商業化爲Myrrix。它是ALS-WR的一個實現，非常適合您的輸入。 download and run相當簡單，不需要Hadoop。

鑑於它可能會直接適合您的問題，我不介意在這裏插入它。