推荐系统：简单的基于用户的协同过滤，以精确度和召回率进行评估答案

【问题标题】：Recommender system: simple user-based collaborative filtering to evaluate with precision and recall推荐系统：简单的基于用户的协同过滤，以精确度和召回率进行评估
【发布时间】：2011-05-11 23:21:43
【问题描述】：

我正在寻找基于用户的collaborative filtering 在 Java 中的一个非常简单的实现。我想用 movielens 数据集评估这个 CF 的精度和召回率。我已经看到性能 (F1) 应该在 20% 到 30% 左右（使用 Pearson 相似度和 KNN）。

这个简单的框架是否存在用于精度和召回代码的评估？

【问题讨论】：

标签： java recommendation-engine collaborative-filtering precision-recall

【解决方案1】：

Apache Mahout 会执行您在此处提到的所有操作。它基于 Java，并通过GenericUserBasedRecommender 支持基于用户的协同过滤（以及其他）。它是一种 k 最近邻算法，您可以在其中插入相似性实现，例如 PearsonCorrelationSimilarity 等。

查看org.apache.mahout.cf.taste 包和子包。在.impl.eval 子包中找到GenericRecommenderIRStatsEvaluator。这将运行一个报告精度、召回率和 F1 的测试。

最后，在mahout-examples 中已经有一些基于GroupLens 的工作示例。

【讨论】：

您好，感谢您的回答。然而 Apache Mahout 是不可能使用的，并且需要太多的包。此外，缺乏简单的文档（例如，如何在 eclipse 中创建一个新项目以使用 Taste 的类）也无济于事......
不确定您的意思？这段代码只有几个依赖项......我相信 SLF4J 和 Google Guava。它是一个基于 Maven 的项目，因此如果使用 Maven，您只需在 Maven 项目中添加几行代码即可依赖它。您还可以从项目中获得一个包含所有内容的简单 .jar，您可以将其放入任何 Eclipse 项目中，就像任何其他库一样。就是这样——没有太多需要记录的东西——但如果你有特定的问题，我相信它可以在 user@mahout.apache.org 上解决。

【解决方案2】：

您尝试过 RapidMiner 吗？如果您有兴趣尝试诸如评估精度和召回之类的事情，而无需专注于编码。这就是你的工具。网络上有很好的信息，甚至论文和 youtube 视频教程都可以帮助您。

【讨论】：