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
PreferenceArray preferencesFromUser = 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
FastIDSet possibleItemsIDs = new FastIDSet();
for (long itemID : preferredItemIDs) {
PreferenceArray itemPreferences = dataModel.getPreferencesForItem(itemID);
int numUsersPreferringItem = itemPreferences.length();
for (int index = 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());
boolean foundAPref = false;
double totalSimilarity = 0.0;
for (double theSimilarity : similarities) {
if (!Double.isNaN(theSimilarity)) {
foundAPref = true;
totalSimilarity += theSimilarity;
}
}
return foundAPref ? (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，欢迎关注云行业资讯频道。
