Mahout中基于用户喜好的推荐系统
我们如何根据用户喜好或浏览历史在 Apache Mahout 上运行推荐系统？简而言之，在基于内容的网站上，95% 的流量来自未登录的用户，他们将通过搜索引擎访问。我们可以通过使用 IP 来使它们独一无二。 Apache Mahout 上是否有可以找出用户相似浏览行为并推荐相关内容的地方？
How we can run a recommendation system on Apache Mahout based on user liking or browsing history? In short on a content based websites 95% traffic by non logged in users and they will come via search engine. They only way we can unique them by using IP. Is there anyway on Apache Mahout where we can find out the similar browsing behavior of users and recommend relevant content?
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
如果用户“喜欢”（例如单击链接）网站中的多个项目（链接），那么协作过滤应该仍然有用。还可以考虑放置一个 cookie，以便您稍后可以再次识别该用户。
更明确地说，如果您使用 IP 作为用户 ID 并为您的内容（假设为文章）提供项目 ID，则可以仅使用 GenericUserBasedRecommender。您可以将链接点击视为“喜欢”。有一篇很好的文章，其中包含有关更复杂系统的数据，但也涉及与非 ID 用户相同的问题：Google 新闻可扩展推荐框架
此外，请考虑根据内容对项目进行聚类。然后你就可以在完全不了解用户的情况下推荐类似的物品。
Collaborative filtering should still be useful if the user "likes" (clicks a link, for instance) more than a single item (link) in your website. Also consider placing a cookie so that you might later identify the user again.
So more explicitly, if you use the IP as a user ID and give your content (let's assume articles) an item ID, you can just use a GenericUserBasedRecommender. You can treat link clicks as "likes". There's a good article containing data about more complicated systems, but also touching on the same issue as you have with non-ID'd users: Google news scalable recommendation framework
Furthermore, consider clustering the items based on content. Then you can recommend similar items without knowing the user at all.