Mahout对于GroupLens数据定制的推荐引擎

/* * 这段程序是使用GroupLens定制的DataModel数据模型 * 因为这里的数据是以逗号隔开的。 * 这里我把数据量加大，变成了20M的数据 * 这里使用的数据模型是对于GroupLens定制的GroupLensDataModel * */package byuser;import java.io.File;import java.io.IOException;import java.util.List;import org.apache.mahout.cf.taste.common.TasteException;import org.apache.mahout.cf.taste.impl.eval.LoadEvaluator;import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;import org.apache.mahout.cf.taste.model.DataModel;import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;import org.apache.mahout.cf.taste.recommender.RecommendedItem;import org.apache.mahout.cf.taste.recommender.Recommender;import org.apache.mahout.cf.taste.similarity.UserSimilarity;import org.apache.mahout.cf.taste.similarity.precompute.example.GroupLensDataModel;public class GenericUserRecommeder_GroupLens {public static void main(String[] args) {// TODO Auto-generated method stubtry {//进行数据的装载//生成数据模型DataModel model = new GroupLensDataModel(new File("E:\\mahout项目\\examples\\ratings.dat"));UserSimilarity similarity = new org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity(model);UserNeighborhood neighborhood = new NearestNUserNeighborhood(100, similarity, model);//生成推荐引擎Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);LoadEvaluator.runLoad(recommender);//为用户已推荐一件商品recommend( , );其中参数的意思是：第几个人，然后推荐几件商品List<RecommendedItem> recommendations = recommender.recommend(1, 1);for(RecommendedItem recommendation : recommendations){System.out.println("GroupLens定制，为您推荐的商品是：" + recommendation);}} catch (IOException e) {// TODO Auto-generated catch blocke.printStackTrace();} catch (TasteException e) {// TODO Auto-generated catch blocke.printStackTrace();}}}//这里的数据结果会出现很慢，因为这里的数据我跑的是1M的数据。 

如图：