mahout技术的示例分析

共计 1228 个字符，预计需要花费 4 分钟才能阅读完成。

这期内容当中丸趣 TV 小编将会给大家带来有关 mahout 技术的示例分析，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

 // 首先获得用户本人自己借过的所有书
 PreferenceArray preferencesFromUser = getDataModel().getPreferencesFromUser(userID);
 // 以下获得读者借过的书, 其他也借过那些书的，取那些读者借阅过的所有书，作为候选物品
 FastIDSet possibleItemsIDs = new FastIDSet();
 for (long itemID : preferredItemIDs) { PreferenceArray itemPreferences = dataModel.getPreferencesForItem(itemID);
 int numUsersPreferringItem = itemPreferences.length();
 for (int index = 0; index   numUsersPreferringItem; index++) { possibleItemsIDs.addAll(dataModel.getItemIDsFromUser(itemPreferences.getUserID(index)));
 }
 }
 possibleItemsIDs.removeAll(preferredItemIDs);
 // 将所有的候选物品，与读者借阅过的每一本书，做相似度计算
 double[] similarities = getSimilarity().itemSimilarities(itemID, preferencesFromUser.getIDs());
 boolean foundAPref = false;
 double totalSimilarity = 0.0;
 for (double theSimilarity : similarities) { if (!Double.isNaN(theSimilarity)) {
 foundAPref = true;
 totalSimilarity += theSimilarity;
 }
 }
 return foundAPref ? (float) totalSimilarity : Float.NaN;
 // 之后取相似度最高的 10 本书，返回
 List RecommendedItem  topItems = TopItems.getTopItems(howMany, possibleItemIDs.iterator(), rescorer,
 estimator);

上述就是丸趣 TV 小编为大家分享的 mahout 技术的示例分析了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注丸趣 TV 行业资讯频道。