Question

在这里我们展示如何使用命令行来完成数据与模型的读取及保存，以及使用命令行来输入参数进行推荐计算。

Usage

Usage: librec <command> [options]...
commands:
  rec             run recommender
  data            load data

global options:
  --help          display this help text
  --exec          run Recommender
  --version         show Librec version info

job options:
  -conf <file>        path to config file
  -D, -jobconf <prop>     set configuration items (key=value)
  -libjars          add entend jar files to classpath

Training

./librec rec -exec -D rec.recommender.class=globalaverage -conf ../core/src/main/resources/rec/baseline/globalaverage-test.properties -libjars ../lib/log4j-1.2.17.jar

rec/data 为指定程序进行推荐算法/数据读取功能。

• -exec 为执行推荐算法。在 2.0 版本中为保留选项
• -D | -jobconf [options] 为加载相关配置，具体配置项请参考 ConfigurationList 及 AlgorithmList
• -conf [path/to/properties] 加载配置文件
• -libjars 为加载其他路径下的 jar 包到 classpath 中，其中 lib 下的 jar 包自动加载，当前脚本为示例

Configuration file

LibRec 中一个程序的配置文件分别保存在 core/librec.properties 和各自算法的独立配置文件内.其中 librec.properties 推荐保存的配置为数据的读取分割以及评估. 示例配置如下所示

# set data directoy
dfs.data.dir=../data

# set result directory
# recommender result will output in this folder
dfs.result.dir=../result

# not implement in this version
# instead of printing logs in console
dfs.log.dir=../log

data.input.path=filmtrust
data.column.format=UIR
data.model.splitter=ratio
data.model.format=text
data.splitter.ratio=rating

# splitter, reference to basics.md
data.splitter.ratio=0.8
data.splitter.cv.number=5
rec.parallel.support=true

# setting evaluation, reference to basics.md
rec.eval.enable=true
rec.random.seed=1

考虑到不同算法的配置项不相同，因此算法配置项分别保存在相应目录下. 执行不同算法时可以在命令行输入，也可以使用编辑好的配置文件. 具体每一配置项的内容以及不同算法的配置项请参考 AlgorithmList