SlopeOne推荐算法

       Slope One 算法 是一种基于评分的预测算法, 本质上也是一种基于项目的算法。与一般的基于项目的算法不同, 该算法不计算项目之间的相似度, 而是用一种简单的线性回归模型进行预测（可以扩展） 算法易于实现, 计算速度快, 可扩展性好, 同时对数据稀疏性有较好的适应性。

       例如下面表格里有3个用户对4个物品的评分

	101	102	103	104
UserX	5	3.5
UserY	2	5	4	2
UserZ	4.5	3.5	1	4

求物品两两之间的差值平均分:

        物品102和101：{(3.5-5)+(5-2)+(3.5-4.5)}/3=0.5/3

      物品103跟101：{(4-2)+(1-4.5)}/2=-1.5/2

      物品104跟101：{(2-2)+(4-4.5)}/2=-0.5/2

      物品103跟102：{(4-5)+(1-3.5)}/2=-3.5/2

      物品104跟102：{(2-5)+(4-3.5)}/2=-2.5/2

      物品104跟103：{(2-4)+(4-1)}/2=1/2

能得到下面表格

	101	102	103	104
101
102	0.17
103	-0.75	-1.75
104	-0.25	-1.25	0.5

OK，现在准备工作已经完成了，然后进行推荐，例如对X用户进行推荐，103和104个预测评分根据101、102的评分来的。

       X预测103评分={(-0.75+5)+(-1.75+3.5)}/2=(4.25+1.75)/2=3

       X预测104评分={(-0.25+5)+(-1.25+3.5)}/2=(4.75+2.25)/2=3.5

       那么给X用户推荐的顺序就是：先推荐104在推荐103

       实战经验:可以看出该算法对评分质量要求非常高，那么如果某一个物品的平均分高的话，那么该物品就非常容易被推荐。

       下面代码是基于Mahout的SlopeOne算法调用:

 import java.io.BufferedReader;
 
 import java.io.BufferedWriter;
 
 import java.io.File;
 
 import java.io.FileNotFoundException;
 
 import java.io.FileReader;
 
 import java.io.FileWriter;
 
 import java.io.IOException;
 
 import java.util.List;
 
 import org.apache.commons.cli2.OptionException;
 
 import org.apache.mahout.cf.taste.common.TasteException;
 
 import org.apache.mahout.cf.taste.impl.common.LongPrimitiveIterator;
 
 import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
 
 import org.apache.mahout.cf.taste.impl.recommender.CachingRecommender;
 
 import org.apache.mahout.cf.taste.impl.recommender.slopeone.SlopeOneRecommender;
 
 import org.apache.mahout.cf.taste.model.DataModel;
 
 import org.apache.mahout.cf.taste.recommender.RecommendedItem;
 
 public class App 
 
 {  
 
     static final String inputFile = "/mnt/new/ml-1m/ratings.dat";
 
     static final String outputFile = "/mnt/new/ml-1m/ratings.csv";
 
     public static void main( String[] args ) throws IOException, TasteException, OptionException
 
     {
 
         CreateCsvRatingsFile();    
 
        //创建模型数据源文件      
 
         File ratingsFile = new File(outputFile);  
 
         DataModel model = new FileDataModel(ratingsFile);
 
         // SlopeOne算法
 
         CachingRecommender cachingRecommender = new CachingRecommender(new SlopeOneRecommender(model));
 
         // 对所有用户进行推荐
 
         for (LongPrimitiveIterator it = model.getUserIDs(); it.hasNext();){
 
             long userId = it.nextLong();     
 
             // 对单个User进行推荐
 
             List<RecommendedItem> recommendations = cachingRecommender.recommend(userId, 10);
 
             // 该用户无推荐结果
 
             if (recommendations.size() == 0){
 
                 System.out.print("User ");
 
                 System.out.print(userId);
 
                 System.out.println(": no recommendations");
 
             }                 
 
             // 打印推荐信息
 
             for (RecommendedItem recommendedItem : recommendations) {
 
                 System.out.print("User ");
 
                 System.out.print(userId);
 
                 System.out.print(": ");
 
                 System.out.println(recommendedItem);
 
             }
 
         }                
 
     }
 
     //读文件前1000行作为模型输入
     private static void CreateCsvRatingsFile() throws FileNotFoundException, IOException {
 
         BufferedReader br = new BufferedReader(new FileReader(inputFile));        
 
         BufferedWriter bw = new BufferedWriter(new FileWriter(outputFile));
 
         String line = null;
 
         String line2write = null;
 
         String[] temp;
 
         int i = 0;
 
         while ((line = br.readLine()) != null && i < 1000)
 
         {
 
             i++;
 
             temp = line.split("::");
 
             line2write = temp[0] + "," + temp[1];
 
             bw.write(line2write);
 
             bw.newLine();
 
             bw.flush();
 
         }        
 
         br.close();
 
         bw.close();
 
     } 
 
 }

参考资料：1,Mahout cookbook;2,http://weibo.com/bicloud 网友写的SlopeOnePPT