13.6.2　使用Taste构建一个简单的推荐引擎

Taste是Apache Mahout提供的一个协同过滤算法的高效实现，它是一个Java实现的可扩展的、高效的推荐引擎。Taste既实现了最基本的基于用户的和基于内容的推荐算法，同时也提供了扩展接口，使用户可以方便地定义和实现自己的推荐算法。同时，Taste不仅仅适用于Java应用程序，它还可以作为内部服务器的一个组件以HTTP和Web Service的形式向外界提供推荐的逻辑。Taste的设计使它能满足企业对推荐引擎在性能、灵活性和可扩展性等方面的要求。

Taste主要包括以下5个组件，具体如图13-6所示。

DataModel：DataModel是用户喜好信息的抽象接口，它的具体实现支持从任意类型的数据源抽取用户喜好信息。Taste默认提供JDBCDataModel和FileDataModel，分别支持从数据库和文件中读取用户的喜好信息。

UserSimilarity和ItemSimilarity：UserSimilarity用于定义两个用户间的相似度，它是基于协同过滤的推荐引擎的核心部分，可以用来计算用户的“邻居”，这里的“邻居”指与当前用户相似的用户。ItemSimilarity用来计算内容之间的相似度。

UserNeighborhood：UserNeighborhood用于基于用户相似度的推荐方法中，推荐的内容是通过找到与当前用户喜好相似的“邻居用户”的方式产生的。UserNeighborhood定义了确定邻居用户的方法，具体实现一般是基于UserSimilarity计算得到的。

Recommender：Recommender是推荐引擎的抽象接口，Taste中的核心组件。在程序中，为它提供一个DataModel，它可以计算出对不同用户的推荐内容。在实际应用中，主要使用它的实现类GenericUserBasedRecommender或GenericItemBasedRecommender，分别实现基于用户相似度的推荐引擎或者基于内容的推荐引擎。

图　13-6　Taste的主要组件图

安装Taste主要包括以下三部分内容：

如果需要build源代码或例子，则需要Apache Ant 1.5+或Apache Maven 2.0.10+。

Taste应用程序需要Servlet 2.3+容器，例如Jakarta Tomcat。

Taste中的MySQLJDBCDataModel实现需要MySQL 4.x+数据库。

安装Taste并运行Demo的步骤如下：

1）从SVN或下载压缩包中得到Apache Mahout的发布版本。

2）从Grouplens网站http：www.grouplens.org/node/12下载数据源：“1 Million MovieLens Dataset”。

3）解压数据源压缩包，将movie.dat和ratings.dat复制到Mahout安装目录下的taste-web/src/main/resources/org/apache/mahout/cf/taste/example/grouplens目录下。

4）回到core目录下，运行“mvn install”，将Mahout core安装在本地库中。

5）进入taste-web，复制../examples/target/grouplens.jar到taste-web/lib目录。

6）编辑taste-web/recommender.properties，将recommender.class设置为org.apache.mahout.cf.taste.example.grouplens.GroupLensRecommender。

7）在Mahout的安装目录下，运行“mvn package”。

8）运行“mvn jetty：run-war”，这里需要将Maven的最大内存设置为1024MB，即：MAVEN_OPTS=-Xmx1024MB。如果需要在Tomcat下运行，可以在执行“mvn package”后，将taste-web/target目录下生成的war包复制到Tomcat的webapp下，同时也需要将Java的最大内存设置为1024MB, JAVA_OPTS=-Xmx1024MB，然后启动Tomcat。

9）访问http：//localhost：8080/[your_app]/RecommenderServlet?userID=1，得到系统编号为1的用户推荐内容。参看图13-7，其中每一行的第一项是推荐引擎预测的评分，第二项是电影的编号。

图　13-7　Taste Demo运行结果界面

10）同时，Taste还提供Web服务访问接口，通过以下URL访问：http：//localhost：8080/[your_app]/RecommenderService.jws。

11）WSDL文件（http：//localhost：8080/[your_app]/RecommenderService.jws?wsdl）也可以通过简单的HTTP请求调用这个Web服务：http：//localhost：8080/[your_app]/Recommender-Service.jws?method=recommend＆userID=1＆howMany=10