Machine learning ApacheMahout对样本数据的培训与对实际数据的实现

场景如下：

我正在尝试使用ApacheMahout制作推荐程序，我有一些示例偏好（用户、项目、偏好值）数据，用于生成相似性矩阵和确定项目相似性。但实际偏好数据远大于样本偏好数据。实际首选项数据中存在的项目ID列表也都存在于示例首选项数据中。但是示例数据中的用户ID比实际数据小得多

现在，当我尝试在实际数据上运行recommender时，它总是给我一个错误，即用户id不存在，因为它不存在于示例数据中。如何在mahout的recommender中注入新的用户ID及其首选项，以便它能够根据项目相似性为任何用户动态生成建议？或者，如果有任何其他可能的方式为新用户生成建议，请提出建议

---

谢谢。

如果您认为您的示例数据用于计算项目相似性是完整的，为什么不预先计算它们并使用

Collection corrMatrix=new ArrayList（）以存储预计算的相似性。然后，您可以从中创建您的
ItemSimilarity
，如下所示：
ItemSimilarity=新的GenericItemSimilarity（correlationMatrix）

我认为使用数据样本根据偏好值计算项目相似性不是一个好主意，因为您可能会缺少很多有用的数据。如果您认为动态计算速度很慢，您可以随时对其进行预计算并将其存储在数据库中，并在需要时加载它

如果仍然出现此错误，则可能在推荐类中使用示例数据模型，或者使用
UserSimilarity
计算项目相似性

如果您想添加新用户，您可以使用Mahout的
FileDataModel
，并通过添加新用户定期更新文件（我想您可以创建带有一些后缀的新文件，我不确定）。你可以在书中找到更多关于这方面的信息。内存中的数据模型实现是不可变的。您可以通过实现方法
setPreference（）
和
removePreference（）
来扩展它们

EDIT：我有一个
MutableDataModel
的实现，它扩展了
AbstractDataModel
。如果您愿意，我可以与您共享。
由于样本数据中有400个项目和50000个用户，因此生成项目相似性矩阵几乎不需要10毫秒。所以我不想预先计算相似矩阵。setpreference（）和removepreference（）函数在使用FileDataModel时引发异常java.lang.UnsupportedOperationException。Mahout中的任何类都没有实现这些方法。你应该自己实施。我是说，如果使用FileDataModel，您可以更改文件并添加首选项，然后调用
Recommender.refresh（）
，这将强制重新加载数据模型并包含新用户。你真的应该从《这是怎么做到的》一书中读到这一点。我认为对于新用户，您可以使用与原始文件相同的名称和扩展名创建单独的文件，即file001。。差不多吧。从推荐程序调用刷新功能也会刷新所有缓存。非常感谢Dragan。推荐人。刷新（）对我来说效果很好。你能告诉我从哪里可以阅读更多关于Recommender.refresh的信息吗？因为我只希望Recommender.refresh刷新更改，而不希望再次加载整个内容。谢谢你的帮助。正如我在回复中提到的，正在行动的收银员是收银员的圣经。如果不想刷新所有内容，可以调用相似性类上的刷新方法，例如ItemSimilarity.refresh（）。在这里，您必须提供所有已刷新项目的集合。老实说，我没有使用过它，也不知道它到底是如何工作的，但从文档中可以看出：alreadyRefreshed s已知已被刷新，这是对某个对象的方法进行初始调用的结果。这可确保刷新依赖关系图中的对象不会被不必要地刷新两次。如果您喜欢该答案，则应将其标记为接受，以便其他人可以从中受益，并鼓励其他人帮助您。如果您喜欢该答案，则应将其标记为接受，以便其他人可以从中受益，并鼓励其他人帮助您