我正在寻找使用“外部”数据集改进 Mahout 建议（形成基于项目的推荐器，数据集最初是用户/项目/权重）的方法。
假设我们已经有了推荐：根据项目数量推荐了一些用户。
但是，也可以从这些建议用户那里收到二进制形式的反馈：“不，不适合我”和“是的，我被建议是因为我知道项目”；每个建议的用户都以这种方式 1/0。
使用此类数据的更好和正确的方法是什么？ Mahout 有内置的方法吗？如果否，哪种方法适合训练数据集并在下一轮使用该信息？
【问题讨论】：
标签： mahout autosuggest mahout-recommender
将明确的用户反馈设为 0-1（非常不同意 - 非常同意）并不理想，否则反馈可能会被视为输入中的任何其他用户评分。
无论如何，您可以在初始训练集中引入此用户反馈，使用recommended score（'1' 反馈）或1 - recommended score（'0' 反馈）作为权重并重新训练您的模型。
添加一个不做任何事情的第三个选项“中性”会很好，以避免数据中的噪音（例如，推荐的分数是 0.5 并且用户不同意，您仍然可以将其添加为 0.5 无论如何... ) 和模型过度拟合。
【讨论】：
布尔数据是理想的，但您有两个操作：“喜欢”和“不喜欢”
最新的使用方法是使用指标和交叉指标。您想推荐喜欢的东西，因此为这些数据创建一个指标。然而，用户的“不喜欢”模式很可能可以用来推荐喜欢，为此您需要创建一个交叉指标。
最新的 Mahout SNAPSHOT-1.0 在“*spark-itemsimilarity”中有您需要的工具。它可以采取两个动作，一个主要的，另一个次要的，并将创建一个指标矩阵和一个交叉指标矩阵。您可以索引和查询这些使用搜索引擎，其中查询是用户的喜欢和不喜欢的历史记录。搜索将返回一个有序的推荐列表。
通过使用交叉指标，您可以开始使用用户在您的应用中执行的许多不同操作。创建交叉指标的过程将发现两个行动之间的重要关联。换句话说，它将找到导致特定“喜欢”的“不喜欢”。您可以对页面查看、应用标签、查看类别以及几乎所有记录的用户操作执行相同操作。
该方法需要 Mahout、Spark、Hadoop 和 Solr 等搜索引擎。这里解释：http://mahout.apache.org/users/recommender/intro-cooccurrence-spark.html在How to use Multiple User Actions
下【讨论】：