Java Mahout中FileItemSimilarity的数据模型使用

我正在构建一个推荐程序，其中实际的相似度计算是通过ItemSimilarityJob完成的，然后通过FileItemSimilarity将其加载到非分布式推荐程序中

到目前为止，所有这些都有效（2），但有一件事我有点困惑

在实例化推荐程序（GenericItemBasedRecommiter）时，我必须传递一个数据模型——在我的例子中是FileDataModel，但由于相似性计算已经发生，我真的不知道应该传递到模型中的数据是什么

显然，该模型用于确定最大和最小偏好值以及项目和用户ID。关于用户，我计划无论如何只提供匿名的“个人资料”——那么，传递虚假数据可以吗

这是如何支持工作的——Mahout示例（1）和MiA书籍没有给出任何答案，但都指出预计算是一种方法：(

---

（1） 我正在运行Mahout 0.7，但也已经查看了后备箱

---

（2） 当然，我必须自己将生成的相似性矩阵转换成文本格式。

你应该传递给相似性计算的相同的

数据模型。推荐人的输出当然是相似性的函数，但当然也是原始数据！这就是为什么它是一个输入

理论上，你可以根据不同的
数据模型
构建相似性，而不是你实际提出建议的数据。这是可能的，在某些情况下可能有意义，但不正常。
因此，预先计算相似性，然后“仅”减少了我的推荐人的启动时间，但不会帮助我获得针对大量数据的推荐？不确定你的意思，如果你使用基于相似度的推荐人，你会计算相似度作为任何推荐的一部分。无论你是预计算还是什么是正交问题。正如我所写的……我确实使用了它emSimilarityJob“准备”相似性，我喜欢使用推荐程序主要为匿名用户提供推荐（然后应该针对实时请求运行，而不是作为预处理步骤）-因此，我希望避免所有数据都必须再次加载到数据模型中…通常，用户必须在
数据模型
中提供给
推荐人
，以便为用户提供建议。您提供给
项相似性
的实际上是分开的，尽管通常仍然是相同的数据。如果想要进行真正的匿名记录，实际上您可能需要一个最相似的items方法，或者，看看
PlusAnonymousUser*
classes/hacks。但是，同样，您需要将主要数据提供给
推荐者
，并提供给相似性度量。