基于物品协同过滤算法结果不准确

Question

public static List<RecommendedItem> recommendItemCF(Integer userId,Integer goodId, Integer size) {
        List<RecommendedItem> recommendations = null;
        try {
            Class.forName("com.mysql.cj.jdbc.Driver");
            MysqlDataSource dataSource = new MysqlDataSource();
            dataSource.setServerName("localhost");//本地为localhost
            dataSource.setPort(3306);
            dataSource.setUser("root");
            dataSource.setPassword("123456");
            dataSource.setDatabaseName("car");//数据库名
            DataModel dataModel=new MySQLJDBCDataModel(dataSource,"comments","user_id","car_id","score","create_time");

            System.out.println("基于物品的协同过滤推荐算法开始计算...");

            //基于余弦相似性的相似度
            ItemSimilarity similarity = new UncenteredCosineSimilarity(dataModel);

            LongPrimitiveIterator iterator = dataModel.getItemIDs();
            while(iterator.hasNext()){
                long id = iterator.next();
                double sim = similarity.itemSimilarity(goodId, id);
                System.out.println("目标物品:"+goodId+" 与物品："+id+" 相似度="+sim);
            }

            GenericItemBasedRecommender recommender = new GenericItemBasedRecommender(dataModel,similarity); //推荐算法

            //获取推荐物品列表
            recommendations = recommender.recommendedBecause(userId,goodId,size);

            System.out.println("推荐结果：");
            //打印推荐的结果
            if(recommendations!=null) {
                for (RecommendedItem recommendedItem : recommendations) {
                    System.out.println("推荐物品："+recommendedItem.getItemID()+"，预测评分："+recommendedItem.getValue());
                }
            }

            return recommendations;
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null;
    }

遇到的问题：这是Mahout的协同过滤算法，这个推荐的结果我不是很满意或者说不是预期的结果。
我插入了10个用户，10个物品，200条随机评分，然后新创一个用户新的评分，但是推荐的物品只有一个，还是我打分的那个。

这个图就是推荐结果，明明相似的结果挺多，但是经过推荐算法全部pass了，推荐出来的107、108都是我打分过的，按道理不是应该推荐我没打分过的相似物品吗，请问是哪一步出了问题。

Answer 1

以下内容由CHATGPT及笑面虎共同生成、有用望采纳：

---

【您想要解决的问题】： 您的目的是解决在使用Mahout库中的基于物品的协同过滤推荐算法时遇到的问题。具体来说，您发现算法的推荐结果不符合预期，即推荐的物品列表中只有一个物品，且该物品是您已经打分过的，而没有推荐您未打分的相似物品。

【图片内容】： 您上传的图片显示了一系列物品与目标物品102的相似度评分，以及基于算法的推荐结果。推荐结果显示推荐了物品107和108，预测评分分别为9.825817和9.794092。

【问题出现原因】： 问题可能出现的原因有：

1. 推荐算法的逻辑可能没有正确实现，导致它没有推荐未打分的相似物品。
2. 数据集可能不足以产生准确的推荐结果，尤其是如果只有少量用户和物品，且评分数据较少。
3. 算法的参数设置可能不合适，比如size参数可能设置得过小，导致推荐结果数量有限。

【问题解决方案】：

1. 检查推荐算法的逻辑，确保它能够根据相似度评分推荐未打分的物品。
2. 增加数据集的大小，提供更多的用户和物品评分数据，以提高推荐的准确性。
3. 调整算法参数，比如增加size参数的值，以获取更多的推荐结果。
4. 考虑使用其他推荐算法，比如基于用户的协同过滤或混合推荐系统，可能会提供更准确的结果。

【提供代码】： 由于问题可能出在算法逻辑或参数设置上，以下是一些可能的代码调整建议：

// 增加size参数的值以获取更多推荐结果
Integer size = 10; // 根据需要调整这个值

// 在推荐算法中排除用户已经评分的物品
Set<Integer> ratedItems = new HashSet<>();
// 假设ratedItems已经被填充了用户已经评分的物品ID
recommendations = recommender.recommendedBecause(userId, goodId, size, ratedItems);

【代码运行方式】： 运行修改后的代码需要以下环境：

• Java开发环境
• Mahout库
• MySQL数据库（如果使用MySQLJDBCDataModel）

运行方式：

1. 将修改后的代码放入您的Java项目中。
2. 确保所有依赖库都已正确导入。
3. 在IDE中运行或使用构建工具（如Maven或Gradle）构建并运行。

【代码预期运行结果】： 如果代码修改正确，您应该能够看到更多的推荐物品，且这些物品是用户未打分的，同时推荐的物品应该是基于相似度评分推荐的。

【推荐相关链接】：

• Mahout官方文档
• 协同过滤推荐算法原理
• Mahout用户手册
• 推荐系统教程