mahout算法总结程序.docx

1、mahout中成熟且重要的算法主要是协同过滤算法、聚类算法、分类算法（recommender engines (collaborative filtering), clustering, and classification）。推荐算法有基于用户和商品之间的关系的推荐算法，还有基于内容的推荐算法（商品属性），由于基于内容的推荐算法针对不同的商品，具有不同的属性，无法形成一个统一的框架，所以在mahout中不会详细讲解该块。在推荐算法中主要是基于用户的推荐、基于商品的推荐、slope-one推荐算法、SVD-based recommenders、clustering-based recommenders。1）皮尔逊相关系数（PearsonCorrelationSimilarity）由于不同的用户在对项目评分时评分尺度不同，有的用户更愿意给高分，对项目的评分整体偏高，有些用户与之相反，即使很喜欢的项目其评分也不高，评分整体偏低。对此可以采用减去用户对项目的平均评分的方法进行解决。(3.2)皮尔逊相关系数的弊端：第一是未考虑到两个用户共同评分过的商品个数。第二是当两个用户之间共同评分过的商品只有一个时，此时计算的相似度为0，该情况出现在数据很少或稀疏的情况。在这种情况下也可认为这两个用户之间不相似。第三是当用户对所有商品的评分都一样时（平均值与评分值相等，相减为0），此时无法计算这个