mahout技术的示例分析

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 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，欢迎关注行业资讯频道。