mahout技术的示例分析

这期内容当中小编将会给大家带来有关mahout技术的示例分析，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

//首先获得用户本人自己借过的所有书
PreferenceArraypreferencesFromUser=getDataModel().getPreferencesFromUser(userID);
//以下获得读者借过的书,其他也借过那些书的，取那些读者借阅过的所有书，作为候选物品
FastIDSetpossibleItemsIDs=newFastIDSet();
for(longitemID:preferredItemIDs){
PreferenceArrayitemPreferences=dataModel.getPreferencesForItem(itemID);
intnumUsersPreferringItem=itemPreferences.length();
for(intindex=0;index<numUsersPreferringItem;index++){
possibleItemsIDs.addAll(dataModel.getItemIDsFromUser(itemPreferences.getUserID(index)));
}
}
possibleItemsIDs.removeAll(preferredItemIDs);
//将所有的候选物品，与读者借阅过的每一本书，做相似度计算
double[]similarities=getSimilarity().itemSimilarities(itemID,preferencesFromUser.getIDs());
booleanfoundAPref=false;
doubletotalSimilarity=0.0;
for(doubletheSimilarity:similarities){
if(!Double.isNaN(theSimilarity)){
foundAPref=true;
totalSimilarity+=theSimilarity;
}
}
returnfoundAPref?(float)totalSimilarity:Float.NaN;
//之后取相似度最高的10本书，返回
List<RecommendedItem>topItems=TopItems.getTopItems(howMany,possibleItemIDs.iterator(),rescorer,
estimator);

上述就是小编为大家分享的mahout技术的示例分析了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注博信行业资讯频道。