机器学习开源项目mahout+用其开发推荐引擎

TreeFish2012

关注

转载最新推荐文章于 2022-10-24 15:28:01 发布 1.4k 阅读 AI 写同款· GEO 优化 ›

Apache Mahout 是 Apache Software Foundation（ASF）旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。经典算法包括聚类、分类、协同过滤、进化编程等等，并且，在 Mahout 的最近版本中还加入了对 Apache Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中。

开放源代码项目mahout,实现了很多机器学习的算法和一些实用的系统，对于从事机器学习和web挖掘的人员来说是个很值得学习的资源。mahout是基于hadoop的，可以分布式运行，至此Lucence、Nutch、Mahout为构建开源的分布式的搜索引擎和Web挖掘提供了完整的支持，三剑合璧，威力无穷。Mahout的代码风格延续了Nutch的优良风格，代码可读性很强，包含了推荐系统、聚类中的kmeans，fuzzykmeans,
canopy, dirichlet，分类中的bayes、cbayes等算法的实现，以及交叉验证，计算正确率，各种距离，模型的构建等。还缺少像神经网络这个强大工具的实现，但未来很可能会加上。

mahout的详细简介在这里。

基于 Apache Mahout 构建社会化推荐引擎

Web 2.0 的一个核心思想就是“群体智慧”，即基于大众行为，为每个用户提供个性化的推荐。这使得如何让用户能更快速更准确的获得所需要的信息，成为了 Web 应用成败的关键。Apache Mahout 是 ASF（Apache Software Foundation）的一个较新的开源项目，提供机器学习领域的一些经典算法的高效实现。本文主要讲述如何基于 Apache Mahout 来构建社会化推荐引擎，帮助 Web 应用开发者更高效的实现个性化推荐功能，从而提高最终用户满意度。

推荐引擎利用特殊的信息过滤（IF，Information Filtering）技术，将不同的内容（例如电影、音乐、书籍、新闻、图片、网页等）推荐给可能感兴趣的用户。通常情况下，推荐引擎的实现是通过将用户的个人喜好与特定的参考特征进行比较，并试图预测用户对一些未评分项目的喜好程度。参考特征的选取可能是从项目本身的信息中提取的，或是基于用户所在的社会或社团环境。