mahout查询词推荐应用方案

了...”。用户基本思想就是计算用户/word的关系，为用户推荐搜索word用户可以是的用户，或者根据浏览器标识的临时用户是邻居，因此可以给u3推荐word1。 用户 ，并设置到请求参数中给solr日志组件使用。{HttpServletRequestreqw=Stringsessionid=reqw.getSession().getId();Stringip=reqw.getRemoteHost();reqw.getParameterMap().put("session",newString[]{sessionid});reqw.getParameterMap().put("ip",newString[]{ip});chain.doFilter(reqw,rsp);}值或者使用mahout的Boolean模型类-GenericBooleanPrefDataModel。BasicDataSourceds//获取BasicDataSourceds//获取JDBCFastByIDMap<FastIDSetdatanewFastByIDMap<FastIDSet>();//推荐模型的内存数据集Statementstmt=...//JDBCStringsql="SELECTDISTINCTSESSION,QUERYFROMsolr_logdata"+"WHERELOGTYPE='QUERY'orderbydatedesc";ResultSetrs=while(rs.next())Stringuser=rs.getString("SESSION");Stringword=rs.getString("QUERY");FastIDSetitemIDsdata.get(uid);//用户的wordif(itemIDs==null){itemIDs=newFastIDSet();data.put(uid,itemIDs);}}DataModelmodel=newmap对象来保存此映射关系，以用户-Long的映射为例，提供2个方法如下：publicstaticsynchronizedLonggetUserId(Stringuser)if(user==null)user="NULL";Longlid=if(lid==null)lid=new}return}publicstaticStringgetUserById(Long{ tor<String>it= while(it.hasNext()){Stringkey=it.next();Longid=if(id!=null&&return}return}MySQLBooleanPrefJDBCDataModel等已经实现的类。mender()throwsUserSimilaritysimilarity=newLogLikelihoodSimilarity(model);,mender=new } 与基于用户的CFItemSimilaritysimilarity=newLogLikelihoodSimilarity(model);}mender= privateprivatestaticmender()throwsLonguidnew 的用户 mender mendations for mendedItemritem }}黄岛千佛山由于本场景中使用了用户的session作为标识，其的是用户与搜索引擎的一段会话交CF推荐，也就是“搜索了此的用户也搜索了...”。publicstaticDataModelupdateModel(DataModelmodel,Stringuser,Stringitem)publicstaticDataModelupdateModel(DataModelmodel,Stringuser,Stringitem)ExceptionLonguid=getUserId(user); returnGenericBooleanPrefDataModelgb_model=FastByIDMap<FastIDSet>FastByIDMap<FastIDSet>data=gb_model.getRawUserData();FastIDSetitemIDs=data.get(uid);if(itemIDs==null){itemIDs=newFastIDSet();data.put(uid,itemIDs);}returnnew}或者使用jdbc <ponentmender"<ponentmender"ponent" 修改数据模型的功能，即支持setPreference()方法的操作。要求此类必须是单例对象，以保证用户、查询词与Long实 实现solr查询词的推荐，内部封装GenericBoolean mend方法，先进行用户名称、物品名称到Long的转换，然publicTasteExceptionmend(Stringuser,String[]items,publicTasteExceptionmend(Stringuser,String[]items,inthowMany)Longuid= mendedQuerys=newArrayList< Long[]itemids=wrapper.getItemIds(items);ifif(itemids!=for(Long,,}}mendedItemsmendedItems==nullmendedItems.size()< mendedQueryq=} } 返回的XML2、现在采用的推荐算法是实时计算的，即每次调用mend方法时对模型的所有数据比如"济南大明湖"和"济南大明湖"实际都是相同的查询，但在本方案中是2Item。对此也应CF