Mahout实战案例--Dating Recommender 系统
Mahout实战案例--Dating Recommender 系统
软件版本：
Hadoop：2.6.0； Mahout：1.0（自行编译，只使用了两个jar文件）；Spring：4.0.2；Struts：2.3；Hibernate：4.3；jQuery EasyUI ：1.3.6；MySql：5.6；浏览器：chrome；MyEclipse：10.0；
Hadoop平台配置：
node1: NameNode/ResourceManger/DataNode/NodeManager Memory:2G
node2: NodeManager/DataNode/SecondaryNameNode/JobHistoryServer Memory:1.5G
node3: NodeManager/DataNode Memory:1.5G
代码下载：
------------------------------------------分割线------------------------------------------
FTP地址：ftp://ftp1.bkjia.com
用户名：ftp1.bkjia.com
密码：www.bkjia.com
在 2015年LinuxIDC.com\3月\Mahout实战案例--Dating Recommender 系统
下载方法见
------------------------------------------分割线------------------------------------------
系统运行：
（其中ratings.dat和gender.dat文件需要从 http://www.occamslab.com/petricek/data/下载）
1. 数据库部分：
1）修改configuration/db.properties 文件，改为用户自己的用户名、密码以及数据库；
2）启动tomcat，让Hibernate自动生成相关表。启动后可以看到数据库中有下面的表：
拷贝sql/treenode.sql中的第49行语句到命令行执行，然后浏览器访问tomcat发布的项目，比如这里的http://localhost:80/rec/ (或者http://localhost/rec/basic.jsp)即可访问项目主页，界面如下：
3) 下载相关数据文件，下载解压后文件如下：
修改configuration/util.properties文件中相应文件的路径，修改rating.proportion，该比例为数据ratings.dat分隔的比例，由于云平台运行协同过滤算法比较耗时，而且消耗内存较大，如果使用全部数据（245M）那么运行CF算法时会比较慢，这里采取上传一部分数据的方法，即先对ratings.dat进行分割，然后上传较小比例到云平台进行计算。如果使用的云平台计算资源较充分，可以设置该比例为1，同时上传较大的文件；
4）初始化用户基本信息表（即gender.dat数据入库）
在浏览器导航列表中选择“用户表初始化”或者在右上角系统设置中点击“初始化用户表”进行用户表数据导入；插入完成后，浏览器会有提示：
tomcat会有日志提示有插入耗时以及数据量，在数据库中查询t_user表中的记录数和此数据量相同；
5） 插入用户评分数据（即ratings.dat数据入库）
由于此数据量较大，所以不使用Hibernate插入，而直接使用命令行的方式插入。拷贝sql/import_ratings.sql中的第4行命令（需修改ratings.dat文件位置）到mysql编辑器执行（或者dos命令窗口执行也行），一般耗时300s左右；插入完成后，可以查询到表t_user_item_pref有 17359346条记录。
由于后面会根据userid进行查询，所以这里加上索引，运行第16行命令，一般耗时：4mins。
2. 云平台数据部分
1） 分割ratings.dat文件
点击浏览器右上角系统设置的“分割Rating数据” ，即可分割数据，分割完成后会给出下面的提示：
，后台也会提示数据分割完成！
分割后的数据在原始的ratings.dat所在的文件夹中，分为两部分，一个big为较大部分，一个为small为较小部分；
2）云平台验证：
点击导航中的“云平台验证”，在Tab页中相应的位置输入NameNode、Resourcemanager的ip以及端口（由于这里本机做了ip和机器名的映射，所以使用机器名亦可），验证成功给出提示：
3） 上传ratings.dat文件到云平台
点击导航中的“数据上传”，在出现的Tab中选择刚才分割产生的small较小部分点击上传，即可上传数据到云平台；
，
3. 云平台算法部分
0） 拷贝WebRoot/WEB-INF/lib下面的三个包到集群所有节点的目录：
1） Top算法：计算所有评分中平均分最高的Top个，在页面设置，比如：
由于集群有三个节点，所以这里设置reducer的个数为3，最小评分人数是指评分的人数，如果某个item只有一个人评分，而且是10分（最高分），那么其平均分也是10分，这样明显不合适，所以设置这个值可以剔除一些不合理的值；
设置好参数后，点击提交，会给出正在提交任务到云平台的提示，任务提交完成，即可打开算法监控界面，如下：
任务运行完成，会进行Top数据解析入库：
入库成功后，在表t_rec_top中查询到300条记录；
2）调用协同过滤算法
点击导航中的“协同过滤算法”，在弹出的Tab页面设置参数，点击提交，与Top算法类似，不过其监控界面不同，一般如下（此算法运行事件比较长）：
运行过程1：
运行过程2：
运行过程3：
CF算法解析主要是更新用户的推荐数据。
3） 调用单用户推荐
单用户推荐就是把云平台上推荐的结果展示而已，比如下面的数据
在单用户推荐界面可以看到下图：
4） 新用户推荐界面：
注意在调用新用户推荐算法前，需要先调用CF算法，因为新用户推荐算法的输入数据是CF算法中间的一个步骤产生的数据；
新用户推荐先选择需要展示的top用户的性别：
然后确定后，会显示top用户，可以对其进行评分（这里只能是盲目的评分，因为没有其他信息）
评分默认是5，可以进行编辑，编辑后保存即可，最后点击推荐。点击推荐类似Top算法，会向云平台提交新用户推荐任务，然后是监控界面：
查询相似推荐后，会给出推荐的列表（暂时设置为5个）：
更多详情见请继续阅读下一页的精彩内容：
Mahout驾驭Hadoop之详解
Ubuntu 10.04下Mahout 安装步骤详解
Mahout的安装配置与使用
Hadoop2.2+Mahout0.9实战
|
评论暂时关闭