为 Mahout 推荐器使用多个加权数据模型答案

【问题标题】：Utilizing multiple, weighed data models for a Mahout recommender为 Mahout 推荐器使用多个加权数据模型
【发布时间】：2013-03-29 16:12:02
【问题描述】：

我有一个基于用户相似度的布尔偏好推荐器。我的数据集本质上包含 ItemId 是用户决定阅读的文章的关系。我想添加第二个数据模型，其中包含 ItemId 是对特定主题的订阅。

我能想到的唯一方法是将两者合并在一起，抵消订阅 ID，这样它们就不会与文章 ID 冲突。对于加权，我考虑放弃布尔偏好设置并引入偏好分数，其中文章子集的偏好分数为 1（例如），订阅子集的偏好分数为 2。

但是，我不确定这是否可行，因为偏好分数与我所追求的权重并不完全相似；它们可能包含一些低分表示不满意的概念。

我不得不想象有更好的方法来做到这一点，或者至少对我的计划进行一些调整，使其更符合我的愿望。

【问题讨论】：

【解决方案1】：

我认为您的想法是正确的。是的，您想要比订阅和文章的简单存在/不存在更具表现力，因为它们的含义有些不同。我建议选择反映其相对频率的权重。例如，如果用户一直阅读 10 万篇文章并进行了 10000 次订阅，那么您可以选择订阅权重为“10”，阅读权重为“1”。

如果您将这些值视为偏好分数，这并不完全有效，原因有很多。如果您使用一种像对待它们一样对待它们的方法，即线性权重，则效果会更好。

我会向您指出 ALS-WR 算法，该算法专为此类输入而设计。例如：Collaborative Filtering for Implicit Feedback Datasets

这在 Mahout 中实现为 Hadoop 上的 ParallelALSFactorizationJob。虽然需要 Hadoop，但它工作得很好。（虽然我确实在 Mahout 中编写了大部分推荐程序代码，但我不能对此表示赞赏。）

广告：我正在致力于将“下一代”系统商业化，该系统是从我在 Mahout 的工作演变而来的，名称为 Myrrix。它是 ALS-WR 的实现，非常适合您的输入类型。 download and run 很容易，不需要 Hadoop。

鉴于它可能直接适合您的问题，我不介意将其插入此处。

【讨论】：

我没有看到 Myrrix 支持多个数据集，除了实验示例：合并推荐
我不是指合并模型。在这里，不同的数据集是用户文章和用户订阅数据。两者都可以添加到一个模型中，具有不同的权重。实际上它们是什么并不重要。它们仅由权重定义。
所以我们可以有不同权重的重复条目（相同的 ID） - 它被计算两次（考虑到权重）？
是的，这些将被求和。该模型是增量/加法输入。但是，如果两个事物具有相同的 ID，那么它们就是相同的事物（对模型而言）。您不会以这种方式组合不同类型的“项目”，因为不同类型的事物会有不同的 ID。