【发布时间】：2016-08-04 09:21:58
【问题描述】：
我致力于在推荐系统中实现个人和刻板印象用户模型。我遇到了 Apache Mahout，但它似乎只适用于个人用户模型。 我的问题是如何在 Apache Mahout Taste 中使用立体类型用户模型？
我对推荐引擎的理解是 你有这些核心参数
- 信息获取方法（隐式或显式）
- 用户模型（个人或刻板印象）
- 推荐技术（协作或内容库）
【问题讨论】：
标签： recommendation-engine mahout-recommender
【发布时间】：2016-08-04 09:21:58
【问题描述】：
口味已被弃用。 Mahout 经历了重大重启，不再接受 Hadoop MapReduce 代码。许多 Hadoop MapReduce 算法已在 Mahout Samsara 代码库上重写，该代码库虚拟化了大量线性代数类型的操作以在多个计算引擎上运行。最完整的是 Spark，它的运行速度比 Hadoop MapReduce 快 10 倍。
作为序言，新的“推荐”实现虽然包括 ALS，但也有用于项目和行相似性的代码，在推荐数据中，这意味着项目和用户的相似性。
在此处查看“spark-rowsimilarity”的描述：http://mahout.apache.org/users/algorithms/intro-cooccurrence-spark.html#2-spark-rowsimilarity
该示例对于您的情况是错误的，但通过输入用户交互向量来计算用户相似度也同样有效。
另一种方法是将用户交互向量放入使用 Lucene 的相似性引擎中，如 Solr 或 Elasticsearch。然后查询特定用户的数据，你会得到相似的用户。
【讨论】：