SlopeOne推薦算法

       Slope One 算法 是一種基於評分的預測算法, 本質上也是一種基於項目的算法。與一般的基於項目的算法不同, 該算法不計算項目之間的相似度, 而是用一種簡單的線性回歸模型進行預測（可以擴展） 算法易於實現, 計算速度快, 可擴展性好, 同時對數據稀疏性有較好的適應性。

       例如下面表格里有3個用戶對4個物品的評分

	101	102	103	104
UserX	5	3.5
UserY	2	5	4	2
UserZ	4.5	3.5	1	4

      求物品兩兩之間的差值平均分:

         物品102和101：{(3.5-5)+(5-2)+(3.5-4.5)}/3=0.5/3

      物品103跟101：{(4-2)+(1-4.5)}/2=-1.5/2

      物品104跟101：{(2-2)+(4-4.5)}/2=-0.5/2

      物品103跟102：{(4-5)+(1-3.5)}/2=-3.5/2

      物品104跟102：{(2-5)+(4-3.5)}/2=-2.5/2

      物品104跟103：{(2-4)+(4-1)}/2=1/2

能得到下面表格

	101	102	103	104
101
102	0.17
103	-0.75	-1.75
104	-0.25	-1.25	0.5

       OK，現在准備工作已經完成了，然后進行推薦，例如對X用戶進行推薦，103和104個預測評分根據101、102的評分來的。

       X預測103評分={(-0.75+5)+(-1.75+3.5)}/2=(4.25+1.75)/2=3

       X預測104評分={(-0.25+5)+(-1.25+3.5)}/2=(4.75+2.25)/2=3.5

       那么給X用戶推薦的順序就是：先推薦104在推薦103

        實戰經驗 :可以看出該算法對評分質量要求非常高，那么如果某一個物品的平均分高的話，那么該物品就非常容易被推薦。

       下面代碼是基於Mahout的SlopeOne算法調用:

 

import java.io.BufferedReader;

import java.io.BufferedWriter;

import java.io.File;

import java.io.FileNotFoundException;

import java.io.FileReader;

import java.io.FileWriter;

import java.io.IOException;

import java.util.List;

import org.apache.commons.cli2.OptionException;

import org.apache.mahout.cf.taste.common.TasteException;

import org.apache.mahout.cf.taste.impl.common.LongPrimitiveIterator;

import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;

import org.apache.mahout.cf.taste.impl.recommender.CachingRecommender;

import org.apache.mahout.cf.taste.impl.recommender.slopeone.SlopeOneRecommender;

import org.apache.mahout.cf.taste.model.DataModel;

import org.apache.mahout.cf.taste.recommender.RecommendedItem;


public class App 

{  

    static final String inputFile = "/mnt/new/ml-1m/ratings.dat";

    static final String outputFile = "/mnt/new/ml-1m/ratings.csv";

    

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

    {

        CreateCsvRatingsFile();    

       //創建模型數據源文件      

        File ratingsFile = new File(outputFile);  

        DataModel model = new FileDataModel(ratingsFile);

        // SlopeOne算法

        CachingRecommender cachingRecommender = new CachingRecommender(new SlopeOneRecommender(model));

        // 對所有用戶進行推薦

        for (LongPrimitiveIterator it = model.getUserIDs(); it.hasNext();){

            long userId = it.nextLong();     

            // 對單個User進行推薦

            List<RecommendedItem> recommendations = cachingRecommender.recommend(userId, 10);


            // 該用戶無推薦結果

            if (recommendations.size() == 0){

                System.out.print("User ");

                System.out.print(userId);

                System.out.println(": no recommendations");

            }                 

            // 打印推薦信息

            for (RecommendedItem recommendedItem : recommendations) {

                System.out.print("User ");

                System.out.print(userId);

                System.out.print(": ");

                System.out.println(recommendedItem);

            }

        }                

    }

 
    //讀文件前1000行作為模型輸入
    private static void CreateCsvRatingsFile() throws FileNotFoundException, IOException {


        BufferedReader br = new BufferedReader(new FileReader(inputFile));        

        BufferedWriter bw = new BufferedWriter(new FileWriter(outputFile));



        String line = null;

        String line2write = null;

        String[] temp;


        int i = 0;

        while ((line = br.readLine()) != null && i < 1000)

        {

            i++;

            temp = line.split("::");

            line2write = temp[0] + "," + temp[1];

            bw.write(line2write);

            bw.newLine();

            bw.flush();

        }        

        br.close();

        bw.close();

    } 

}

參考資料：1,Mahout cookbook;2,http://weibo.com/bicloud 網友寫的SlopeOnePPT