Apache Mahout - 从字符串中读取首选项值

Question

我的数据集包含经典的 UserID、ItemID 和偏好值，但它们都是字符串。

我已经设法通过覆盖 FileDataModel 类（它是 Mahout 库的一部分）中的 readItemIDFromString() 和 readUserIDFromString() 方法来读取 UserID 和 ItemID 字符串，但是，似乎没有任何支持转换如果我没记错的话。

如果有人对如何解决这个问题有一些意见，我将不胜感激。

为了说明我的意思，这里是我的 UserID 字符串“Conversion”的示例：

@Override
protected long readUserIDFromString(String value) {

    if (memIdMigtr == null) {
        memIdMigtr = new ItemMemIDMigrator();
    }

    long retValue = memIdMigtr.toLongID(value);
    if (null == memIdMigtr.toStringID(retValue)) {
        try {
            memIdMigtr.singleInit(value);
        } catch (TasteException e) {
            e.printStackTrace();
        }
    }
    return retValue;
}

String getUserIDAsString(long userId) {
    return memIdMigtr.toStringID(userId);
}   

以及AbstractIDMigrator的实现：

public class ItemMemIDMigrator extends AbstractIDMigrator {

private FastByIDMap<String> longToString;

public ItemMemIDMigrator() {
    this.longToString = new FastByIDMap<String>(10000);
}

public void storeMapping(long longID, String stringID) {
    longToString.put(longID, stringID);
}

public void singleInit(String stringID) throws TasteException {
    storeMapping(toLongID(stringID), stringID);
}

public String toStringID(long longID) {
    return longToString.get(longID);
}
}

Answer 1

Mahout 正在弃用基于 Hadoop 的旧推荐器。我们有一个更现代的产品，它基于一种名为 Correlated Cross-Occurrence (CCO) 的新算法。它使用 Spark 构建，速度提高了 10 倍，并在与查询服务器结合使用时提供实时查询结果。

此方法提取用户 ID 和项目 ID 的字符串，并生成具有相同 ID 的结果，因此您无需再管理它们。你真的应该看看新系统，不知道旧系统会支持多久。

Mahout 文档在这里：http://mahout.apache.org/users/algorithms/recommender-overview.html 和这里：http://mahout.apache.org/users/recommender/intro-cooccurrence-spark.html

所描述的整个系统，包括 SDK、输入存储、模型训练和实时查询是 Apache PredictionIO 项目和 PIO 和“通用推荐器”文档的一部分，这里：http://predictionio.incubator.apache.org/ 和这里：@987654324 @