2 推薦器

2   推薦器

本章的主要內容：

*  在Mahout中推薦器Recommender是什麼樣的

*  運行第一個推薦器Recommender

*  評估推薦引擎的準確和質量

*  用GroupLens網站的真實的數據來評估推薦器

每天我們都會有對周圍的東西有一些看法和觀點，這些東西可能是我們喜歡的，不喜歡的，還有莫不關心的東西 ，這些通常發生在不知不覺中。

例如，當你傾心聽一首來自收音機的歌時，要麼它引起妮的注意，要麼它讓妮討厭，要麼 妮根本就沒有在意。同樣的情況會發生在xxx.

雖然大家的品味經常在變，但他們都遵循一定的模式。人們往往喜歡的事情，類似於他們喜歡的其他事情。因爲我喜歡喫燻肉、生菜、番茄組成的三明治，你可以猜到我想喫總會三明治，它們通常是擁有一樣的火雞的三明治。同樣，大家往往喜歡大家喜愛的類似的事情。當一個朋友進入設計學校的時候，他看到幾乎所有其他設計專業的學生，都擁有一臺蘋果電腦，這並不令人驚訝，因爲她已經是一個終生Mac用戶 

其實我們可以利用這些模式來預測，某些喜歡的和不喜歡的事情。如果我們讓一個陌生人站在你的面前，問你是否知道她喜歡第三部《Lord of the Rings film》？除了猜測，你可能沒有更好的辦法。但是，如果她告訴你，她喜歡前兩部電影。如果她不喜歡第三部，那是不可能的。換一句話，如果她說她討厭這部電影，或者我們會問“天哪，怎麼可能”。你可以直接猜到第三部電影肯定在她喜歡的列表上。推薦器幾乎可以預測到這些模式，並利用他們來發現你不瞭解的新的，令人滿意的事情。

2.1 什麼是推薦器

因爲某種原因你從書架上取到這本書。也許你是在知道的其他書本，看到了這本書， 並覺的它有用。或者覺得書店把它放在這個位置，是因爲喜歡這些書的人也喜歡這本書。也或許你在一個同事的書架上看到這本書，這位同事與你一樣對機器學習很有興趣。也有可能他可能直接推薦你看這本書。

在這一章，我們將會深入研究人們產生推薦，發現新事物的一些方法。當然還有這些進程，在軟件中如何利用mahout實施.我們已經設計了一些方法：發現我們可能喜歡的項目，從而可以留心相似品味的人，看看他們喜歡的東西。換句話說，我們可以算出什麼樣的項目，會像我們以前喜歡的項目。另外我們可以通過留心觀察其他人的選擇。這些描述了推薦引擎算法的兩個主要類別：“基於用戶（user-based）” 和 “基於項目（item-based）”推薦器。

2.1.1 是基於協同過濾推薦，還算基於內容的推薦嚴格的說，這裏有協同過濾（CF）的例子。根據也只能根據，用戶與項目的關係的知識，從而產生推薦器。這些技術並不需要識別項目本身的屬性。這在某種程度上這是一個優勢。推薦器框架根本不關心，這個項目是否是書本、主題公園、花、或者是其他的人，因爲它們的屬性中沒有任何一個會被當作輸入的。

這裏有根據項目屬性而成立的其他方法，通常被認爲是“基於內容（content-based）”推薦算法。例如，如果有一個朋友把這本書推薦給你，是因爲這是一本Manning出版書，這位朋友喜歡其他的Manning出版的書，那麼這位朋友正在從事的事情，大概就是“content-based”推薦器算法。這個算法是依據這本書的一個屬性：出版商。Mahout推薦框架不直接實施這種算法，雖然它提供了一些方法，把項目屬性信息加入它的計算。同樣的，它可能在技術上被認爲是一個協同篩選框架。

這些算法沒有問題；相反的是，它們同樣可以表現的相當好。但是它們必要是特定領域的方法，試圖編纂進一個框架將是相當困難的。建立一個有效的content-based書本推薦算法，人們將必須決定一本書中的哪個屬性：頁數，作者，出版商，顏色，字體，那個是有意義的，並達到那種程度。這種知識中沒有一個是可以翻譯成另外一個領域的；預定這種方式的推薦器，對選擇那個是更好的披薩沒有幫助。

也就是因爲這個原因，Mahout將不會太多討論這種形式的推薦器。這些觀點被鎖定在Mahout提供的事情中，並置入高閣；在本章將會舉個例子，我們會爲一個日期網站建立一個推薦器。在隨後介紹的Mahout爲基於協同過濾推薦算法進行的實施後，我們將會更詳細的討論它們與contene—based算法的關係。

2.1.2 主流推薦算法
到目前爲止，很多人可能已經瞭解到，如amazon或netflix這樣的網站，在現實中實施的推薦算法：根據瀏覽和購買歷史，網站會生產一個產品列表，它的推薦可能會吸引你。這種類型的推薦引擎自從1900就已開始出現，但直到最近它才進入大量的計算機研究領域，被精心設計和研究。隨着這些技術變得越來越主流，對它們的要求也不斷增加，提供的開源實現也同樣如此。隨着日益增加的，可理解的，低層本的運算能力，意味着推薦引擎正變的越來越易理解並廣泛使用。

事實上，推薦技術對客戶來說不僅僅是像DVD這類推薦的事物。這種方法通常估計大量衆多的事物之間的相互關聯。一個人可以用相同的技術把DVD推薦給客戶，估計那個客戶最有可能喜歡某個DVD.在一個社會網絡中，一個推薦器可以把人推薦給別外一些人。

2.2 運行第一個推薦引擎

2.2.1 建立輸入的數據

2.2.2 創建一個推薦器Recommender

2.2.3 分析輸出

2.3 評估推薦器

2.3.1 訓練數據和得分

2.3.2 運行一個推薦評估

2.3.3   對結果的判斷

2.4 通過預測和回訪來評估

2.4.1 運行一個RecommenderIRStatsEvaluator

2.4.2 預測和回訪中看出問題

2.5 評估GroupLens數據集

2.5.1 抽取推薦器使用的輸入數據

2.5.2 另一個推薦器的體驗

2.6 總結

這一章，我們介紹了關於推薦引擎的一些觀點。我們已經使用小部分的數據來運行一個有代表性意義的推薦器，並解釋了結果。

與此同時，我們對推薦引擎的輸出結果進行了一些大體評估，我們也會在後面幾章頻繁的對結果進行評估。

。