許挺娟

摘要：傳統(tǒng)的協(xié)同過(guò)濾推薦（（Collaborative Filtering，CF）算法是目前應(yīng)用最廣泛的一種推薦算法，但是由于CF存在稀疏性、冷啟動(dòng)等問(wèn)題，所以本文提出了基于mahout的CF算法。結(jié)果表明，相比較傳統(tǒng)的兩種CF算法，使用基于mahout的CF算法能夠提升推薦時(shí)間和推薦精度。

關(guān)鍵詞：協(xié)同過(guò)濾;mahout;推薦算法;Taste引擎

中圖分類號(hào)：TP312 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2019）06-0133-02

0 引言

目前，由百度、谷歌所推出的推薦引擎已經(jīng)被廣泛應(yīng)用，但是推薦引擎是大眾性的，不具有個(gè)性化特點(diǎn)。所以推薦系統(tǒng)就由此產(chǎn)生。推薦方法主要包括三種：基于內(nèi)容的推薦算法、基于模型的推薦和協(xié)同過(guò)濾推薦。協(xié)同過(guò)濾方法是上述推薦方法中應(yīng)用最為廣泛的，但是它還是有很多問(wèn)題需要解決的。如稀疏性問(wèn)題（Sparsity）、可擴(kuò)展性問(wèn)題（Scalability）等。本文提出了基于Ambari平臺(tái)的協(xié)同過(guò)濾推薦算法?；贛ovieLens數(shù)據(jù)集的實(shí)驗(yàn)表明，本文算法很好地解決了協(xié)同過(guò)濾的問(wèn)題，同時(shí)提高了推薦精度及響應(yīng)時(shí)間。

1 相關(guān)技術(shù)

1.1 Ambari

Ambari是Apache下的一種基于Web的工具，所以他支持Apache下的大多數(shù)服務(wù)，就本文來(lái)說(shuō)，最重要的是mahout框架，mahout提供了一系列經(jīng)典的機(jī)器學(xué)習(xí)算法。其中Taste引擎提供了一系列的組件，這樣我們就可以使用Mahout中的Taste幫助構(gòu)建推薦系統(tǒng)。

1.2 協(xié)同過(guò)濾算法

協(xié)同過(guò)濾推薦算法主要分為基于用戶的協(xié)同過(guò)濾技術(shù)（user-cf）和基于項(xiàng)目（item-cf）的協(xié)同過(guò)濾技術(shù)。user-cf在于考慮的是用戶之間的相似性。首先，識(shí)別出與目標(biāo)用戶具有高度相似性的鄰居用戶，然后向用戶推薦鄰居最喜歡的項(xiàng)目。而item-cf是從項(xiàng)目角度出發(fā)的，主要通過(guò)計(jì)算項(xiàng)目之間的相似性。

2 構(gòu)建基于Ambari的協(xié)同過(guò)濾的推薦系統(tǒng)

2.1 基于mapReduce的推薦系統(tǒng)的設(shè)計(jì)

推薦算法的實(shí)現(xiàn)分為兩個(gè)步驟：

（1）mapReduce包括map函數(shù)和reduce函數(shù)，首先，將電影原始的數(shù)據(jù)作為鍵值對(duì)發(fā)送到中間映射函數(shù);

（2）map以不同的鍵值對(duì)接收數(shù)據(jù)。在map任務(wù)接收到產(chǎn)品數(shù)據(jù)時(shí)，發(fā)出用戶ID和電影信息，其中用戶ID作為鍵，電影信息作為值。通過(guò)split、shuffle過(guò)程，每個(gè)reducer任務(wù)將接收一個(gè)用戶已經(jīng)觀看的所有電影。然后reducer發(fā)出每個(gè)用戶所帶來(lái)的電影列表，從而達(dá)到為每一個(gè)用戶建立一個(gè)推薦列表。

2.2 基于mahout的推薦系統(tǒng)的設(shè)計(jì)

本文采用基于用戶的推薦算法，推薦系統(tǒng)需要應(yīng)用Taste中的各個(gè)組件來(lái)實(shí)現(xiàn)，核心代碼：

File file = new File（"e：//xtj//dataset//ml-10M100K//rating.rat"）;

DataModel dataModel = new GroupLensDataModel（file）;

UserSimilarity similarity = new UserSimilarity（data Model）;

UserNeighborhood userNeighborhood = new User Neighborhood（10，similarity，dataModel）;

Recommender recommender = new GenericUserBased Recommender（dataModel，userNeighborhood，similarity）;

List recommendedItemList = recommender.recommend（5，10）;

System.out.println（"推薦"）;

System.out.println（"為ID=5的用戶推薦10部電影"）;

for（RecommendedItem recommendedItem：recommended ItemList） {

System.out.println（recommendedItem）;

}

本文采用基于Ambari框架下的mahout框架來(lái)實(shí)現(xiàn)，我們?cè)趍apReduce和mahout相比較下，證明了mahout加快了推薦的速度和精度。

3 實(shí)驗(yàn)結(jié)果

3.1 環(huán)境搭建

實(shí)驗(yàn)使用的電腦是小米Air 13.3，windows10系統(tǒng)，處理器為：i7-7500U CPU @2.70GHZ 2.90GHZ，內(nèi)存為8G，mahout版本為0.9.0。

（1）處理數(shù)據(jù)集：實(shí)驗(yàn)采用公開(kāi)的MovieLens1M電影數(shù)據(jù)集，該數(shù)據(jù)集有1000萬(wàn)多條記錄，包含72000名用戶對(duì)于10000多部電影的評(píng)分。該數(shù)據(jù)集中含有movies.dat，ratings.dat和tags.dat 3個(gè)文件;

（2）然后通過(guò)java編寫(xiě)程序分析ratings.dat中的數(shù)據(jù)，得出基于用戶的協(xié)同過(guò)濾比較適合該數(shù)據(jù)集。

3.2 推薦策略

在本文中，我將采取兩種常用的推薦指標(biāo)來(lái)評(píng)價(jià)推薦算法的好壞。一種是余弦相似度方法，另一種是平均絕對(duì)誤差MAE。其中余弦相似度是空間中兩個(gè)向量夾角的余弦值作為衡量?jī)蓚€(gè)個(gè)體間（用戶或者項(xiàng)目）差異的大小。余弦值越接近1，就說(shuō)明夾角越接近0度，也就是兩個(gè)向量越相似。

相似度公式為：cos（θ）=? ? ? ? ? ? ? ? ? ? ? ? （1）

通過(guò)計(jì)算兩個(gè)向量之間的夾角來(lái)衡量?jī)蓚€(gè)向量的相似度，角度越小說(shuō)明相似度越高。而MAE的值越小，表明算法的推薦精度越高。這種方法就是衡量推薦與真實(shí)的用戶之間的偏差如式（2）：

MAE=|yi-ti|? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

其中，yi表示預(yù)測(cè)值，ti表示真實(shí)值。一般來(lái)說(shuō)，平均絕對(duì)誤差越小，推薦結(jié)果越準(zhǔn)確，系統(tǒng)性能就越好。

3.3 實(shí)驗(yàn)結(jié)果對(duì)比

（1）從上面選取好的數(shù)據(jù)集中分別選取數(shù)據(jù)集為1000，5000，10000，20000、40000和60000作為6組實(shí)驗(yàn)數(shù)據(jù)，分別用余弦相似度和本文的基于mahout的方法進(jìn)行MAE值比較。實(shí)驗(yàn)證明，數(shù)據(jù)集越稀疏，MAE值就越大，也就是表明數(shù)據(jù)越多，MAE值也就越小。也可以看出本文的方法和傳統(tǒng)的余弦相似度的方法來(lái)比較，本文的方法更夠提高推薦質(zhì)量。

（2）接下來(lái)分析相同條件下的協(xié)同過(guò)濾算法的運(yùn)行時(shí)間，我們給出了hadoop和mahout條件下的運(yùn)行情況。在相同數(shù)據(jù)集的情況下，基于mahout的CF算法明顯比基于hadoop的CF算法快一些;而且在數(shù)據(jù)集很大的情況下，基于mahout的CF算法時(shí)間更少一些。

4 結(jié)語(yǔ)

本文介紹了傳統(tǒng)的推薦算法算法，分析了基于Ambari下的協(xié)同過(guò)濾算法。實(shí)驗(yàn)表明在大規(guī)模數(shù)據(jù)的情況下，采用基于Ambari的協(xié)同過(guò)濾推薦模型可以提高推薦的效率和精度。

參考文獻(xiàn)

[1] 何波，潘力.融合內(nèi)容和改進(jìn)協(xié)同過(guò)濾的個(gè)性化推薦算法[J].控制工程，2018，25（08）：1553-1558.

[2] 姚靜靜.基于協(xié)同過(guò)濾的電影推薦算法研究與實(shí)現(xiàn)[D].北京郵電大學(xué)，2018.

[3] 李曉瑜.協(xié)同過(guò)濾推薦算法綜述[J].商丘師范學(xué)院學(xué)報(bào)，2018，34（09）：7-10.

[4] Yejia Zeng，Zehui Qu. Trust-Based Neural Collaborative Filtering[J].Journal of Physics： Conference Series，2019，1229（1）.

Research on Collaborative Filtering Recommendation Algorithm Based on Ambari

XU Ting-juan

（Xi'an Polytechnic University， Xi'an Shaanxi? 710048）

Abstract：The traditional Collaborative Filtering （CF） algorithm is one of the most widely used recommendation algorithms at present. However， due to the sparsity and cold start of CF， this paper proposes a CF algorithm based on mahout. The results show that compared with the two traditional CF algorithms， the CF algorithm based on mahout can improve the recommendation time and accuracy.

Key words：Collaborative filtering; mahout; recommendation algorithm; Taste engine