问Mahout对多因素隐式数据的推荐

EN

在Mahout 1.0中，我们为搜索引擎创建索引和查询的模型。

这些模型称为指标，是每个项目的相似项目列表。相似之处在于它们是由相同的人购买的。这就是同现推荐器的本质。

协同过滤数据是图书阅读量或ID。如果您推荐一本书，您可以为多种格式(电子书、录音、平装等)显示具有相同标题的其他ID。元数据可用于将recs向某个类别倾斜。语言可能是一个过滤器，除非你认为你的受众通常是多语种的。

通过向Mahout 1.0 spark-itemsimilairty提供购买信息来创建CF类型指示器。每本书都会有一份类似书籍的清单。在搜索引擎中索引这些内容。那么最简单的查询就是用户购买图书的历史记录。这将以有序的图书列表的形式产生无偏差的推荐。

现在，为了使结果偏向于用户最喜欢的类别索引，在索引中的单独字段中列出每个项目的类别。因此，该索引有一个“指标”字段和一个“类别”字段。"docs“实际上是目录中的项目/书籍。倾斜的查询是(伪代码)：

query:
   field: indicators; q: "book1 book2 book3 book10" //the user's purchase history
   field: categories; q: "user's-favorite-category user's-second-favorite-category"
   field: language; filter: "list-of-languages-of-books-the-user-has-purchased"

您可以将任意多个类别放入该字段的查询中，可能是用户购买的所有类别。注意语言过滤器的使用，您可能希望将其用作偏斜因子，而不是过滤器。通过这种方式，您可以无缝地集成由元数据倾斜或过滤的协作过滤recs，以获得更高质量的recs。可以使用任何您认为有用的元数据。

顺便说一句，如果你添加了你已经记录的其他动作，比如查看图书详细信息，你将获得更好的recs。这将需要一个特殊处理的指示器，称为交叉共现指示器，也是通过spark-itemsimilairty计算的。事实上，您可以包括用户采取的几乎任何操作--整个点击流作为单独的交叉同现指示器。这将大大增加协作过滤数据的数量，您可以在制作recs时使用，从而提高质量。

这个想法甚至可以扩展到对非书籍的项目的操作，比如类别。如果用户购买了一本书，在某种意义上，他们也购买了一个类别。如果您将这些“类别采购”记录为次要操作，并使用它们创建交叉同现指标，则可以使用它们来歪曲结果，并将其用作采购指标。查询将如下所示：

query:
   field: indicators; q: "book1 book2 book3 book10" //the user's purchase history
   field: category-indicators; q: "user's-history-of-purchased-categories"
   field: categories; q: "user's-favorite-category user's-second-favorite-category"
   field: language; filter: "list-of-languages-of-books-the-user-has-purchased"

在这里阅读spark- index相似性：http://mahout.apache.org/users/recommender/intro-cooccurrence-spark.html这包括一些关于如何使用搜索引擎(Solr，Elasticsearch)进行索引和查询部分的讨论。