Mahout - 如何读取自定义输入文件？答案

【问题标题】：Mahout - How to read a custom input file?Mahout - 如何读取自定义输入文件？
【发布时间】：2020-04-03 18:38:22
【问题描述】：

我关注此主题并使用 MemoryIDMigrator 为我的产品获取长 ID： Mahout : To read a custom input file

但我不能像这样初始化 IDMigrator，因为父构造函数需要先出现：

public MemoryIDMigrator memoryIDMigrator;

public CustomFileDataModel(File dataFile) throws IOException {

    this.memoryIDMigrator = new MemoryIDMigrator();
    super(dataFile);
}

@Override
protected long readItemIDFromString(String stringID) {

    long result = this.memoryIDMigrator.toLongID(stringID);
    this.memoryIDMigrator.storeMapping(result, stringID);
    return result;
}

我怎样才能给这个参数来取回我的字符串 ID ？我需要这样的东西：

    List<RecommendedItem> recommendations = recommender.recommend(2, 5);
    for (RecommendedItem recommendation : recommendations) {
        System.out.println(memoryIDMigrator.toStringID(recommendation.getItemID());
    }

【问题讨论】：

其实这是 Mahout 的问题。它在内部使用数字 id 来处理几乎所有事情。预计您将提供自己的从 Mahout ID 到您的 ID 的翻译，反之亦然。我建议使用 BiMap 之类的东西，它是一个 2 向哈希图。您可以使用一组 (YourId, MahoutId) 对对其进行初始化，然后从其中一个映射到另一个。在 Mahout (Mahout Samsara) 的 Scala 版本中，有一个 BiDictionary 类可用于此目的。

标签： java maven mahout-recommender

【解决方案1】：

我刚刚找到了解决方案！在我看来，这不是最好的方法，但它确实有效。

当我的覆盖函数尝试读取一个项目时，如果新地图已经创建，我会阻止它的创建：

public class CustomFileDataModel extends FileDataModel {

    public MemoryIDMigrator memoryIDMigrator;
    private boolean loaded;

    public CustomFileDataModel(File dataFile) throws IOException {
        super(dataFile);
    }

    @Override
    protected long readItemIDFromString(String stringID) {
        if (!this.loaded) {
            this.memoryIDMigrator = new MemoryIDMigrator();
            this.loaded = true;
        }
        long result = this.memoryIDMigrator.toLongID(stringID);
        this.memoryIDMigrator.storeMapping(result, stringID);
        return result;
    }
}

同样，如果您想使用自定义用户 ID，您可以覆盖 readUserIDFromString() 函数。

然后要恢复我的字符串 ID，我会这样进行：

public static void main( String[] args ) throws IOException, TasteException {

    CustomFileDataModel model = new CustomFileDataModel(new File("path/to/data.csv"));

    UserSimilarity similarity = new PearsonCorrelationSimilarity(model);

    UserNeighborhood neighborhood = new ThresholdUserNeighborhood(0.1, similarity, model);

    UserBasedRecommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);

    List<RecommendedItem> recommendations = recommender.recommend(2, 5);
    for (RecommendedItem recommendation : recommendations) {
        System.out.println(model.memoryIDMigrator.toStringID(recommendation.getItemID()));
    }
}

【讨论】：