基于hadoop的推荐算法-mahout版

http://blackproof.iteye.com/blog/2110877

基于hadoop的推荐算法，讲其中mahout实现的基于项目的推荐算法

分为4步：

1.获得人-物 用户矩阵

    输入为所有人对物品的评价或关联

    map端输出key为人，value为物品+倾好度

    reeduce端输出key为人，vallue为多个物品+倾好度

 

2.获得物-物 项目矩阵

   输入为“用户矩阵”，讲每一行人-物数据中的物品做笛卡尔积，生产成物-物的关联

   map端输出为key为物，value为关联度

   reduce端输出key为物，value为多个物的关联度

（可以根据各种规则生成项目相似度矩阵表，此处算法带过）

修改：

求项目相似矩阵是基于项目的协同过滤算法的核心

公式有很多种，核心是物品i和物品j相关用户的交集与并集的商

mahout使用的公式是1.dot(i,j) = sum(Pi(u)*Pi(u))

                  2.norms(i) = sum(Pi(u)^2)

                  3.simi(i,j) = 1/(1+(norms(i)-2*dot(i,j)+noorm(i))^1/2)

 

mahout的实现方法是

第一个job，用物品-人的矩阵，求得norms，即物品的用户平方和，输出是物-norms

第二个job，Map：用人-物的矩阵，求Pi(u)*Pi(u),即相同用户的物品的评价的乘机，输出物-多个对端物品的Pi(u)*Pi(u)

           Reduce：用物-多个对端物品的Pi(u)*Pi(u)和物-norms，求得物品的相似矩阵（因为这个时候可以汇总所有和这个物品相关的物品的dot）

第三个job，补全物品的相似矩阵

 

 

3.获得用户-项目相似矩阵

输入为人-物 用户矩阵 和 物-物 项目矩阵

Map端输出key为物，value为类VectorOrPrefWritable，是包含物与人的倾好度，或是物与物的相似度

reduce端输出key为物，value为类VectorAndPrefWritable,是汇总当个物品到所有人的倾好度和到所有物品的相似度

 

4.获得用户推荐矩阵

输入为VectorAndPrefWritable

Map端输出为key：人，value：物+系数（map端根据单个物品贡献的系数生成推荐系数，也就是人到物品A的倾好度*物品A到其他物品的相似度）

reduce端输出为key：人，，value：推荐项目+系数（reduce端使用自定公式，汇总所有单物品贡献的四叔，求人到其他项目的倾好度，取topn作为当前用户的推荐项目）

 

再在这里贴几个mahout推荐算法分析的帖子：

http://eric-gcm.iteye.com/blog/1817822

http://eric-gcm.iteye.com/blog/1818033

http://eric-gcm.iteye.com/blog/1820060

 

以下是mahout代码：

 

 ItemSimilarityJob类是mahout使用hadoop做推荐引擎的主要实现类，下面开始分析。

run()函数是启动函数：

 

 

Java代码  

1. public final class RecommenderJob extends AbstractJob {  
2.   
3.   public static final String BOOLEAN_DATA = "booleanData";  
4.   
5.   private static final int DEFAULT_MAX_SIMILARITIES_PER_ITEM = 100;  
6.   private static final int DEFAULT_MAX_PREFS_PER_USER = 1000;  
7.   private static final int DEFAULT_MIN_PREFS_PER_USER = 1;  
8.   
9.   @Override  
10.   public int run(String[] args) throws Exception {  
11.     //这里原来有大一堆代码，都是用来载入配置项，不用管它  
12.   
13.     //第一步：准备矩阵，将原始数据转换为一个矩阵，在PreparePreferenceMatrixJob这个类中完成  
14.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
15.       ToolRunner.run(getConf(), new PreparePreferenceMatrixJob(), new String[]{  
16.               "--input", getInputPath().toString(),  
17.               "--output", prepPath.toString(),  
18.               "--maxPrefsPerUser", String.valueOf(maxPrefsPerUserInItemSimilarity),  
19.               "--minPrefsPerUser", String.valueOf(minPrefsPerUser),  
20.               "--booleanData", String.valueOf(booleanData),  
21.               "--tempDir", getTempPath().toString()});  
22.   
23.       numberOfUsers = HadoopUtil.readInt(new Path(prepPath, PreparePreferenceMatrixJob.NUM_USERS), getConf());  
24.     }  
25.   
26.     //第二步：计算协同矩阵  
27.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
28.   
29.       /* special behavior if phase 1 is skipped */  
30.       if (numberOfUsers == -1) {  
31.         numberOfUsers = (int) HadoopUtil.countRecords(new Path(prepPath, PreparePreferenceMatrixJob.USER_VECTORS),  
32.                 PathType.LIST, null, getConf());  
33.       }  
34.   
35.       /* Once DistributedRowMatrix uses the hadoop 0.20 API, we should refactor this call to something like 
36.        * new DistributedRowMatrix(...).rowSimilarity(...) */  
37.       //calculate the co-occurrence matrix  
38.       ToolRunner.run(getConf(), new RowSimilarityJob(), new String[]{  
39.               "--input", new Path(prepPath, PreparePreferenceMatrixJob.RATING_MATRIX).toString(),  
40.               "--output", similarityMatrixPath.toString(),  
41.               "--numberOfColumns", String.valueOf(numberOfUsers),  
42.               "--similarityClassname", similarityClassname,  
43.               "--maxSimilaritiesPerRow", String.valueOf(maxSimilaritiesPerItem),  
44.               "--excludeSelfSimilarity", String.valueOf(Boolean.TRUE),  
45.               "--threshold", String.valueOf(threshold),  
46.               "--tempDir", getTempPath().toString()});  
47.     }  
48.   
49.     //start the multiplication of the co-occurrence matrix by the user vectors  
50.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
51.       Job prePartialMultiply1 = prepareJob(  
52.               similarityMatrixPath, prePartialMultiplyPath1, SequenceFileInputFormat.class,  
53.               SimilarityMatrixRowWrapperMapper.class, VarIntWritable.class, VectorOrPrefWritable.class,  
54.               Reducer.class, VarIntWritable.class, VectorOrPrefWritable.class,  
55.               SequenceFileOutputFormat.class);  
56.       boolean succeeded = prePartialMultiply1.waitForCompletion(true);  
57.       if (!succeeded)   
58.         return -1;  
59.       //continue the multiplication  
60.       Job prePartialMultiply2 = prepareJob(new Path(prepPath, PreparePreferenceMatrixJob.USER_VECTORS),  
61.               prePartialMultiplyPath2, SequenceFileInputFormat.class, UserVectorSplitterMapper.class, VarIntWritable.class,  
62.               VectorOrPrefWritable.class, Reducer.class, VarIntWritable.class, VectorOrPrefWritable.class,  
63.               SequenceFileOutputFormat.class);  
64.       if (usersFile != null) {  
65.         prePartialMultiply2.getConfiguration().set(UserVectorSplitterMapper.USERS_FILE, usersFile);  
66.       }  
67.       prePartialMultiply2.getConfiguration().setInt(UserVectorSplitterMapper.MAX_PREFS_PER_USER_CONSIDERED,  
68.               maxPrefsPerUser);  
69.       succeeded = prePartialMultiply2.waitForCompletion(true);  
70.       if (!succeeded)   
71.         return -1;  
72.       //finish the job  
73.       Job partialMultiply = prepareJob(  
74.               new Path(prePartialMultiplyPath1 + "," + prePartialMultiplyPath2), partialMultiplyPath,  
75.               SequenceFileInputFormat.class, Mapper.class, VarIntWritable.class, VectorOrPrefWritable.class,  
76.               ToVectorAndPrefReducer.class, VarIntWritable.class, VectorAndPrefsWritable.class,  
77.               SequenceFileOutputFormat.class);  
78.       setS3SafeCombinedInputPath(partialMultiply, getTempPath(), prePartialMultiplyPath1, prePartialMultiplyPath2);  
79.       succeeded = partialMultiply.waitForCompletion(true);  
80.       if (!succeeded)   
81.         return -1;  
82.     }  
83.   
84.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
85.       //filter out any users we don't care about  
86.       /* convert the user/item pairs to filter if a filterfile has been specified */  
87.       if (filterFile != null) {  
88.         Job itemFiltering = prepareJob(new Path(filterFile), explicitFilterPath, TextInputFormat.class,  
89.                 ItemFilterMapper.class, VarLongWritable.class, VarLongWritable.class,  
90.                 ItemFilterAsVectorAndPrefsReducer.class, VarIntWritable.class, VectorAndPrefsWritable.class,  
91.                 SequenceFileOutputFormat.class);  
92.         boolean succeeded = itemFiltering.waitForCompletion(true);  
93.         if (!succeeded)   
94.           return -1;  
95.       }  
96.   
97.       String aggregateAndRecommendInput = partialMultiplyPath.toString();  
98.       if (filterFile != null) {  
99.         aggregateAndRecommendInput += "," + explicitFilterPath;  
100.       }  
101.       //extract out the recommendations  
102.       Job aggregateAndRecommend = prepareJob(  
103.               new Path(aggregateAndRecommendInput), outputPath, SequenceFileInputFormat.class,  
104.               PartialMultiplyMapper.class, VarLongWritable.class, PrefAndSimilarityColumnWritable.class,  
105.               AggregateAndRecommendReducer.class, VarLongWritable.class, RecommendedItemsWritable.class,  
106.               TextOutputFormat.class);  
107.       Configuration aggregateAndRecommendConf = aggregateAndRecommend.getConfiguration();  
108.       if (itemsFile != null) {  
109.         aggregateAndRecommendConf.set(AggregateAndRecommendReducer.ITEMS_FILE, itemsFile);  
110.       }  
111.   
112.       if (filterFile != null) {  
113.         setS3SafeCombinedInputPath(aggregateAndRecommend, getTempPath(), partialMultiplyPath, explicitFilterPath);  
114.       }  
115.       setIOSort(aggregateAndRecommend);  
116.       aggregateAndRecommendConf.set(AggregateAndRecommendReducer.ITEMID_INDEX_PATH,  
117.               new Path(prepPath, PreparePreferenceMatrixJob.ITEMID_INDEX).toString());  
118.       aggregateAndRecommendConf.setInt(AggregateAndRecommendReducer.NUM_RECOMMENDATIONS, numRecommendations);  
119.       aggregateAndRecommendConf.setBoolean(BOOLEAN_DATA, booleanData);  
120.       boolean succeeded = aggregateAndRecommend.waitForCompletion(true);  
121.       if (!succeeded)   
122.         return -1;  
123.     }  
124.   
125.     return 0;  
126.   }  

 

 

 

       第二步，计算协同矩阵，主要在RowSimilarityJob 这个类中完成

 

  

Java代码  

1. ToolRunner.run(getConf(), new RowSimilarityJob(), new String[]{  
2.               "--input", new Path(prepPath, PreparePreferenceMatrixJob.RATING_MATRIX).toString(),  
3.               "--output", similarityMatrixPath.toString(),  
4.               "--numberOfColumns", String.valueOf(numberOfUsers),  
5.               "--similarityClassname", similarityClassname,  
6.               "--maxSimilaritiesPerRow", String.valueOf(maxSimilaritiesPerItem),  
7.               "--excludeSelfSimilarity", String.valueOf(Boolean.TRUE),  
8.               "--threshold", String.valueOf(threshold),  
9.               "--tempDir", getTempPath().toString()});  
10.     }  

   可以看到这个job的输入路径就是上一篇中，PreparePreferenceMatrixJob中最后一个reducer的输出路径。

 

下边详细分析RowSimilarityJob类的实现：

 

Java代码  

1. public class RowSimilarityJob extends AbstractJob {  
2.   
3.   
4.   @Override  
5.   public int run(String[] args) throws Exception {  
6.     //一大堆载入参数的代码，忽略  
7.       
8.     //第一个MapReduce  
9.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
10.       Job normsAndTranspose = prepareJob(getInputPath(), weightsPath, VectorNormMapper.class, IntWritable.class,  
11.           VectorWritable.class, MergeVectorsReducer.class, IntWritable.class, VectorWritable.class);  
12.       normsAndTranspose.setCombinerClass(MergeVectorsCombiner.class);  
13.       Configuration normsAndTransposeConf = normsAndTranspose.getConfiguration();  
14.       normsAndTransposeConf.set(THRESHOLD, String.valueOf(threshold));  
15.       normsAndTransposeConf.set(NORMS_PATH, normsPath.toString());  
16.       normsAndTransposeConf.set(NUM_NON_ZERO_ENTRIES_PATH, numNonZeroEntriesPath.toString());  
17.       normsAndTransposeConf.set(MAXVALUES_PATH, maxValuesPath.toString());  
18.       normsAndTransposeConf.set(SIMILARITY_CLASSNAME, similarityClassname);  
19.       boolean succeeded = normsAndTranspose.waitForCompletion(true);  
20.       if (!succeeded) {  
21.         return -1;  
22.       }  
23.     }  
24.     //第二个MapReduce  
25.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
26.       Job pairwiseSimilarity = prepareJob(weightsPath, pairwiseSimilarityPath, CooccurrencesMapper.class,  
27.           IntWritable.class, VectorWritable.class, SimilarityReducer.class, IntWritable.class, VectorWritable.class);  
28.       pairwiseSimilarity.setCombinerClass(VectorSumReducer.class);  
29.       Configuration pairwiseConf = pairwiseSimilarity.getConfiguration();  
30.       pairwiseConf.set(THRESHOLD, String.valueOf(threshold));  
31.       pairwiseConf.set(NORMS_PATH, normsPath.toString());  
32.       pairwiseConf.set(NUM_NON_ZERO_ENTRIES_PATH, numNonZeroEntriesPath.toString());  
33.       pairwiseConf.set(MAXVALUES_PATH, maxValuesPath.toString());  
34.       pairwiseConf.set(SIMILARITY_CLASSNAME, similarityClassname);  
35.       pairwiseConf.setInt(NUMBER_OF_COLUMNS, numberOfColumns);  
36.       pairwiseConf.setBoolean(EXCLUDE_SELF_SIMILARITY, excludeSelfSimilarity);  
37.       boolean succeeded = pairwiseSimilarity.waitForCompletion(true);  
38.       if (!succeeded) {  
39.         return -1;  
40.       }  
41.     }  
42.     //第三个MapReduce  
43.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
44.       Job asMatrix = prepareJob(pairwiseSimilarityPath, getOutputPath(), UnsymmetrifyMapper.class,  
45.           IntWritable.class, VectorWritable.class, MergeToTopKSimilaritiesReducer.class, IntWritable.class,  
46.           VectorWritable.class);  
47.       asMatrix.setCombinerClass(MergeToTopKSimilaritiesReducer.class);  
48.       asMatrix.getConfiguration().setInt(MAX_SIMILARITIES_PER_ROW, maxSimilaritiesPerRow);  
49.       boolean succeeded = asMatrix.waitForCompletion(true);  
50.       if (!succeeded) {  
51.         return -1;  
52.       }  
53.     }  
54.   
55.     return 0;  
56.   }  

 

 

 可以看到RowSimilityJob也是分成三个MapReduce过程：

 

1、Mapper ：VectorNormMapper类，输出 ( userid_index, <itemid_index, pref> )类型

Java代码  

1. public static class VectorNormMapper extends Mapper<IntWritable,VectorWritable,IntWritable,VectorWritable> {  
2.   
3.     @Override  
4.     protected void map(IntWritable row, VectorWritable vectorWritable, Context ctx)  
5.         throws IOException, InterruptedException {  
6.   
7.       Vector rowVector = similarity.normalize(vectorWritable.get());  
8.   
9.       int numNonZeroEntries = 0;  
10.       double maxValue = Double.MIN_VALUE;  
11.   
12.       Iterator<Vector.Element> nonZeroElements = rowVector.iterateNonZero();  
13.       while (nonZeroElements.hasNext()) {  
14.         Vector.Element element = nonZeroElements.next();  
15.         RandomAccessSparseVector partialColumnVector = new RandomAccessSparseVector(Integer.MAX_VALUE);  
16.         partialColumnVector.setQuick(row.get(), element.get());  
17.         //输出 ( userid_index, <itemid_index, pref> )类型  
18.         ctx.write(new IntWritable(element.index()), new VectorWritable(partialColumnVector));  
19.   
20.         numNonZeroEntries++;  
21.         if (maxValue < element.get()) {  
22.           maxValue = element.get();  
23.         }  
24.       }  
25.   
26.       if (threshold != NO_THRESHOLD) {  
27.         nonZeroEntries.setQuick(row.get(), numNonZeroEntries);  
28.         maxValues.setQuick(row.get(), maxValue);  
29.       }  
30.       norms.setQuick(row.get(), similarity.norm(rowVector));  
31.       //计算item的总数  
32.       ctx.getCounter(Counters.ROWS).increment(1);  
33.     }  
34. }  

 

Reduer : MergeVectorsReducer类，输入的是(userid_index, <itemid_index, pref>)，同一个userid_index在此进行合并，输出（ userid_index, vector<itemid_index, pref> )

Java代码  

1.   public static class MergeVectorsReducer extends Reducer<IntWritable,VectorWritable,IntWritable,VectorWritable> {  
2.   
3.     @Override  
4.     protected void reduce(IntWritable row, Iterable<VectorWritable> partialVectors, Context ctx)  
5.         throws IOException, InterruptedException {  
6.       Vector partialVector = Vectors.merge(partialVectors);  
7.   
8.       if (row.get() == NORM_VECTOR_MARKER) {  
9.         Vectors.write(partialVector, normsPath, ctx.getConfiguration());  
10.       } else if (row.get() == MAXVALUE_VECTOR_MARKER) {  
11.         Vectors.write(partialVector, maxValuesPath, ctx.getConfiguration());  
12.       } else if (row.get() == NUM_NON_ZERO_ENTRIES_VECTOR_MARKER) {  
13.         Vectors.write(partialVector, numNonZeroEntriesPath, ctx.getConfiguration(), true);  
14.       } else {  
15.         ctx.write(row, new VectorWritable(partialVector));  
16.       }  
17.     }  
18.   }  
19. }  

 2、Mapper：CooccurrencesMapper类，对同一个userid_index下的vector<itemid_index ,pref>进行处理，

收集<item1, item2>对， 输出为（ itemid_index, vector<itemid_index, value> ）

Java代码  

1. public static class CooccurrencesMapper extends Mapper<IntWritable,VectorWritable,IntWritable,VectorWritable> {  
2.   
3.     @Override  
4.     protected void map(IntWritable column, VectorWritable occurrenceVector, Context ctx)  
5.         throws IOException, InterruptedException {  
6.       Vector.Element[] occurrences = Vectors.toArray(occurrenceVector);  
7.       Arrays.sort(occurrences, BY_INDEX);  
8.   
9.       int cooccurrences = 0;  
10.       int prunedCooccurrences = 0;  
11.       for (int n = 0; n < occurrences.length; n++) {  
12.         Vector.Element occurrenceA = occurrences[n];  
13.         Vector dots = new RandomAccessSparseVector(Integer.MAX_VALUE);  
14.         for (int m = n; m < occurrences.length; m++) {  
15.           Vector.Element occurrenceB = occurrences[m];  
16.           if (threshold == NO_THRESHOLD || consider(occurrenceA, occurrenceB)) {  
17.             dots.setQuick(occurrenceB.index(), similarity.aggregate(occurrenceA.get(), occurrenceB.get()));  
18.             cooccurrences++;  
19.           } else {  
20.             prunedCooccurrences++;  
21.           }  
22.         }  
23.         ctx.write(new IntWritable(occurrenceA.index()), new VectorWritable(dots));  
24.       }  
25.       ctx.getCounter(Counters.COOCCURRENCES).increment(cooccurrences);  
26.       ctx.getCounter(Counters.PRUNED_COOCCURRENCES).increment(prunedCooccurrences);  
27.     }  
28.   }  

 

Reducer ：SimilarityReducer类，生成协同矩阵

 

Java代码  

1. public static class SimilarityReducer  
2.       extends Reducer<IntWritable,VectorWritable,IntWritable,VectorWritable> {  
3.   
4.     @Override  
5.     protected void reduce(IntWritable row, Iterable<VectorWritable> partialDots, Context ctx)  
6.         throws IOException, InterruptedException {  
7.       Iterator<VectorWritable> partialDotsIterator = partialDots.iterator();  
8.       //取一个vecotr作为该item的行向量  
9.       Vector dots = partialDotsIterator.next().get();  
10.       while (partialDotsIterator.hasNext()) {  
11.         Vector toAdd = partialDotsIterator.next().get();  
12.         Iterator<Vector.Element> nonZeroElements = toAdd.iterateNonZero();  
13.         while (nonZeroElements.hasNext()) {  
14.           Vector.Element nonZeroElement = nonZeroElements.next();  
15.           //nonZeroElement.index()为itemid，将另一个vecotr中itemid的value加进去  
16.           dots.setQuick(nonZeroElement.index(), dots.getQuick(nonZeroElement.index()) + nonZeroElement.get());  
17.         }  
18.       }  
19.       //最后得到的dots是协同矩阵中行号为row的一行，行中元素是item对其他的item的相似度  
20.       Vector similarities = dots.like();  
21.       double normA = norms.getQuick(row.get());  
22.       Iterator<Vector.Element> dotsWith = dots.iterateNonZero();  
23.       while (dotsWith.hasNext()) {  
24.         Vector.Element b = dotsWith.next();  
25.         double similarityValue = similarity.similarity(b.get(), normA, norms.getQuick(b.index()), numberOfColumns);  
26.         if (similarityValue >= treshold) {  
27.           similarities.set(b.index(), similarityValue);  
28.         }  
29.       }  
30.       if (excludeSelfSimilarity) {  
31.         similarities.setQuick(row.get(), 0);  
32.       }  
33.       ctx.write(row, new VectorWritable(similarities));  
34.     }  
35.   }  

 

3、Mapper：UnsymmetrifyMapper类，用来生成对称矩阵的。上一步得到的是非对称矩阵，首先将矩阵偏转，得到偏转矩阵，用原矩阵加上偏转矩阵，可以得到对称矩阵

 

Java代码  

1. public static class UnsymmetrifyMapper extends Mapper<IntWritable,VectorWritable,IntWritable,VectorWritable>  {  
2.   
3.     private int maxSimilaritiesPerRow;  
4.   
5.     @Override  
6.     protected void setup(Mapper.Context ctx) throws IOException, InterruptedException {  
7.       maxSimilaritiesPerRow = ctx.getConfiguration().getInt(MAX_SIMILARITIES_PER_ROW, 0);  
8.       Preconditions.checkArgument(maxSimilaritiesPerRow > 0, "Incorrect maximum number of similarities per row!");  
9.     }  
10.   
11.     @Override  
12.     protected void map(IntWritable row, VectorWritable similaritiesWritable, Context ctx)  
13.         throws IOException, InterruptedException {  
14.       Vector similarities = similaritiesWritable.get();  
15.       // For performance reasons moved transposedPartial creation out of the while loop and reusing the same vector  
16.       Vector transposedPartial = similarities.like();  
17.       TopK<Vector.Element> topKQueue = new TopK<Vector.Element>(maxSimilaritiesPerRow, Vectors.BY_VALUE);  
18.       Iterator<Vector.Element> nonZeroElements = similarities.iterateNonZero();  
19.       //这个地方用来生成偏转矩阵的，非对称矩阵，用原矩阵加上偏转矩阵，可以得到对称矩阵  
20.       while (nonZeroElements.hasNext()) {  
21.         Vector.Element nonZeroElement = nonZeroElements.next();  
22.         topKQueue.offer(new Vectors.TemporaryElement(nonZeroElement));  
23.           
24.         transposedPartial.setQuick(row.get(), nonZeroElement.get());  
25.         //偏转矩阵中的每一个元素  
26.         ctx.write(new IntWritable(nonZeroElement.index()), new VectorWritable(transposedPartial));  
27.           
28.         transposedPartial.setQuick(row.get(), 0.0);  
29.       }  
30.       Vector topKSimilarities = similarities.like();  
31.       for (Vector.Element topKSimilarity : topKQueue.retrieve()) {  
32.         topKSimilarities.setQuick(topKSimilarity.index(), topKSimilarity.get());  
33.       }  
34.       //这里只收集前maxSimilaritiesPerRow个得分最高的item，所以咱们最后的对称矩阵，实际上每行只有  
35.       //maxSimilaritiesPerRow个是对称的，其他的位置也不管了  
36.       ctx.write(row, new VectorWritable(topKSimilarities));  
37.     }  
38.   }  

 

 Reducer：MergeToTopKSimilaritiesReducer类，就是将上面Map偏转的元素都收集起来，也就是完成了偏转矩阵和（截取了得分前maxSimilaritiesPerRow个）的原矩阵相加的过程，得到了对称矩阵

Java代码  

1. public static class MergeToTopKSimilaritiesReducer  
2.     extends Reducer<IntWritable,VectorWritable,IntWritable,VectorWritable> {  
3.   
4.   private int maxSimilaritiesPerRow;  
5.   
6.   @Override  
7.   protected void setup(Context ctx) throws IOException, InterruptedException {  
8.     maxSimilaritiesPerRow = ctx.getConfiguration().getInt(MAX_SIMILARITIES_PER_ROW, 0);  
9.     Preconditions.checkArgument(maxSimilaritiesPerRow > 0, "Incorrect maximum number of similarities per row!");  
10.   }  
11.   
12.   @Override  
13.   protected void reduce(IntWritable row, Iterable<VectorWritable> partials, Context ctx)  
14.       throws IOException, InterruptedException {  
15.     Vector allSimilarities = Vectors.merge(partials);  
16.     Vector topKSimilarities = Vectors.topKElements(maxSimilaritiesPerRow, allSimilarities);  
17.     ctx.write(row, new VectorWritable(topKSimilarities));  
18.   }  
19. }  

 

至此，RowSimilarityJob类的全部工作就完成，最终生成的是一个对称矩阵，也就是协同矩阵

 

 

 

Java代码  

1. //协同矩阵与用户向量相乘  
2.     //start the multiplication of the co-occurrence matrix by the user vectors  
3.     if (shouldRunNextPhase(parsedArgs, currentPhase)) {  
4.       //第一个MapReducer  
5.       Job prePartialMultiply1 = prepareJob(  
6.               similarityMatrixPath, prePartialMultiplyPath1, SequenceFileInputFormat.class,  
7.               SimilarityMatrixRowWrapperMapper.class, VarIntWritable.class, VectorOrPrefWritable.class,  
8.               Reducer.class, VarIntWritable.class, VectorOrPrefWritable.class,  
9.               SequenceFileOutputFormat.class);  
10.       boolean succeeded = prePartialMultiply1.waitForCompletion(true);  
11.       if (!succeeded)   
12.         return -1;  
13.       //第二个MapReduce  
14.       //continue the multiplication  
15.       Job prePartialMultiply2 = prepareJob(new Path(prepPath, PreparePreferenceMatrixJob.USER_VECTORS),  
16.               prePartialMultiplyPath2, SequenceFileInputFormat.class, UserVectorSplitterMapper.class, VarIntWritable.class,  
17.               VectorOrPrefWritable.class, Reducer.class, VarIntWritable.class, VectorOrPrefWritable.class,  
18.               SequenceFileOutputFormat.class);  
19.       if (usersFile != null) {  
20.         prePartialMultiply2.getConfiguration().set(UserVectorSplitterMapper.USERS_FILE, usersFile);  
21.       }  
22.       prePartialMultiply2.getConfiguration().setInt(UserVectorSplitterMapper.MAX_PREFS_PER_USER_CONSIDERED,  
23.               maxPrefsPerUser);  
24.       succeeded = prePartialMultiply2.waitForCompletion(true);  
25.       if (!succeeded)   
26.         return -1;  
27.       //finish the job  
28.       //第三个MapReduce  
29.       Job partialMultiply = prepareJob(  
30.               new Path(prePartialMultiplyPath1 + "," + prePartialMultiplyPath2), partialMultiplyPath,  
31.               SequenceFileInputFormat.class, Mapper.class, VarIntWritable.class, VectorOrPrefWritable.class,  
32.               ToVectorAndPrefReducer.class, VarIntWritable.class, VectorAndPrefsWritable.class,  
33.               SequenceFileOutputFormat.class);  
34.       setS3SafeCombinedInputPath(partialMultiply, getTempPath(), prePartialMultiplyPath1, prePartialMultiplyPath2);  
35.       succeeded = partialMultiply.waitForCompletion(true);  
36.       if (!succeeded)   
37.         return -1;  
38.     }  

 

 下边也是同样分析一下这个三个MapReduce的细节：

 

1、Mapper： SimilarityMatrixRowWrapperMapper 类，将协同矩阵的一行拿出来，通过包装，封装成VectorOrPrefWritable类，与那边的UserVectorSplitterMapper 的输出类型一致

Java代码  

1. public final class SimilarityMatrixRowWrapperMapper extends  
2.     Mapper<IntWritable,VectorWritable,VarIntWritable,VectorOrPrefWritable> {  
3.     
4.   //将协同矩阵的一行拿出来，通过包装，封装成VectorOrPrefWritable类，与那边的UserVectorSplitterMapper  
5.   //的输出类型一致  
6.   @Override  
7.   protected void map(IntWritable key,  
8.                      VectorWritable value,  
9.                      Context context) throws IOException, InterruptedException {  
10.     Vector similarityMatrixRow = value.get();  
11.     /* remove self similarity */  
12.     similarityMatrixRow.set(key.get(), Double.NaN);  
13.     context.write(new VarIntWritable(key.get()), new VectorOrPrefWritable(similarityMatrixRow));  
14.   }  
15.   
16. }  

 

 

2、Mapper：UserVectorSplitterMapper类

Java代码  

1. //输入格式： theUserID：<itemid_index1,pref1>,<itemid_index2,pref2>........<itemid_indexN,prefN>  
2.   //输出格式：  itemid1：<theUserID,pref1>  
3.   //          itemid2：<theUserID,pref2>  
4.   //          itemid3：<theUserID,pref3>  
5.   //          ......  
6.   //          itemidN：<theUserID,prefN>  

Java代码  

1. public final class UserVectorSplitterMapper extends  
2.     Mapper<VarLongWritable,VectorWritable, VarIntWritable,VectorOrPrefWritable> {  
3.     
4.   @Override  
5.   protected void map(VarLongWritable key,  
6.                      VectorWritable value,  
7.                      Context context) throws IOException, InterruptedException {  
8.     long userID = key.get();  
9.     if (usersToRecommendFor != null && !usersToRecommendFor.contains(userID)) {  
10.       return;  
11.     }  
12.     Vector userVector = maybePruneUserVector(value.get());  
13.     Iterator<Vector.Element> it = userVector.iterateNonZero();  
14.     VarIntWritable itemIndexWritable = new VarIntWritable();  
15.     VectorOrPrefWritable vectorOrPref = new VectorOrPrefWritable();  
16.     while (it.hasNext()) {  
17.       Vector.Element e = it.next();  
18.       itemIndexWritable.set(e.index());  
19.       vectorOrPref.set(userID, (float) e.get());  
20.       context.write(itemIndexWritable, vectorOrPref);  
21.     }  
22.   }  

 

3、Reduce：ToVectorAndPrefReducer类，收集协同矩阵为itemid的一行，并且收集评价过该item的用户和评分，最后的输出是 itemid_index,VectorAndPrefsWritable(vector,List<userid>,List<pref>)

 

Java代码  

1. public final class ToVectorAndPrefReducer extends  
2.     Reducer<VarIntWritable,VectorOrPrefWritable,VarIntWritable,VectorAndPrefsWritable> {  
3.   
4.   //收集所有key为itemid的  
5.   @Override  
6.   protected void reduce(VarIntWritable key,  
7.                         Iterable<VectorOrPrefWritable> values,  
8.                         Context context) throws IOException, InterruptedException {  
9.   
10.     List<Long> userIDs = Lists.newArrayList();  
11.     List<Float> prefValues = Lists.newArrayList();  
12.     Vector similarityMatrixColumn = null;  
13.     for (VectorOrPrefWritable value : values) {  
14.       if (value.getVector() == null) {  
15.         // Then this is a user-pref value  
16.         userIDs.add(value.getUserID());  
17.         prefValues.add(value.getValue());  
18.       } else {  
19.         // Then this is the column vector  
20.         //协同矩阵的一个行（行号为itemid的一行）  
21.         if (similarityMatrixColumn != null) {  
22.           throw new IllegalStateException("Found two similarity-matrix columns for item index " + key.get());  
23.         }  
24.         similarityMatrixColumn = value.getVector();  
25.       }  
26.     }  
27.   
28.     if (similarityMatrixColumn == null) {  
29.       return;  
30.     }  
31.     //收集协同矩阵为itemid的一行，并且手机评价过该item的用户和评分  
32.     VectorAndPrefsWritable vectorAndPrefs = new VectorAndPrefsWritable(similarityMatrixColumn, userIDs, prefValues);  
33.     context.write(key, vectorAndPrefs);  
34.   }  
35.   
36. }  

 

第四步，协同矩阵和用户向量相乘，得到推荐结果

 

Java代码  

1. //extract out the recommendations  
2.      Job aggregateAndRecommend = prepareJob(  
3.              new Path(aggregateAndRecommendInput), outputPath, SequenceFileInputFormat.class,  
4.              PartialMultiplyMapper.class, VarLongWritable.class, PrefAndSimilarityColumnWritable.class,  
5.              AggregateAndRecommendReducer.class, VarLongWritable.class, RecommendedItemsWritable.class,  
6.              TextOutputFormat.class);  
7.      Configuration aggregateAndRecommendConf = aggregateAndRecommend.getConfiguration();  

 

 

Mapper：PartialMultiplyMapper类

 

Java代码  

1. //输入类型：( itemid_index, <userid的数组，pref的数组，协同矩阵行号为itemid_index的行> )  
2. //输出类型： userid，<该用户对itemid_index1的评分，协同矩阵行号为itemid_index1的行> )  
3. //        userid，<该用户对itemid_index2的评分，协同矩阵行号为itemid_index2的行> )  
4. //                       .....    
5. //                       .....  
6. //          userid，<该用户对itemid_indexN的评分，协同矩阵行号为itemid_indexN的行> )  

 

 

 

Java代码  

1. public final class PartialMultiplyMapper extends  
2.     Mapper<VarIntWritable,VectorAndPrefsWritable,VarLongWritable,PrefAndSimilarityColumnWritable> {  
3.   
4.   @Override  
5.   protected void map(VarIntWritable key,  
6.                      VectorAndPrefsWritable vectorAndPrefsWritable,  
7.                      Context context) throws IOException, InterruptedException {  
8.   
9.     Vector similarityMatrixColumn = vectorAndPrefsWritable.getVector();  
10.     List<Long> userIDs = vectorAndPrefsWritable.getUserIDs();  
11.     List<Float> prefValues = vectorAndPrefsWritable.getValues();  
12.   
13.     VarLongWritable userIDWritable = new VarLongWritable();  
14.     PrefAndSimilarityColumnWritable prefAndSimilarityColumn = new PrefAndSimilarityColumnWritable();  
15.   
16.     for (int i = 0; i < userIDs.size(); i++) {  
17.       long userID = userIDs.get(i);  
18.       float prefValue = prefValues.get(i);  
19.       if (!Float.isNaN(prefValue)) {  
20.         prefAndSimilarityColumn.set(prefValue, similarityMatrixColumn);  
21.         userIDWritable.set(userID);  
22.         context.write(userIDWritable, prefAndSimilarityColumn);  
23.       }  
24.     }  
25.   }  
26.   
27. }  

 

 Reducer：AggregateAndRecommendReducer类，Reducer中进行PartialMultiply，按乘积得到的推荐度的大小取出最大的几个item。对于非booleanData，是用pref和相似度矩阵的PartialMultiply得到推荐度的值来进行排序。
而booleanData的pref值都是1.0f，所以去计算矩阵相乘的过程没有意义，直接累加相似度的值即可。
用这个数据排序就可得到推荐结果

 

Java代码  

1. public final class AggregateAndRecommendReducer extends  
2.     Reducer<VarLongWritable,PrefAndSimilarityColumnWritable,VarLongWritable,RecommendedItemsWritable> {  
3.  @Override  
4.   protected void reduce(VarLongWritable userID,  
5.                         Iterable<PrefAndSimilarityColumnWritable> values,  
6.                         Context context) throws IOException, InterruptedException {  
7.     if (booleanData) {  
8.       reduceBooleanData(userID, values, context);  
9.     } else {  
10.       reduceNonBooleanData(userID, values, context);  
11.     }  
12.   }  
13.   
14.   private void reduceBooleanData(VarLongWritable userID,  
15.                                  Iterable<PrefAndSimilarityColumnWritable> values,  
16.                                  Context context) throws IOException, InterruptedException {  
17.     /* having boolean data, each estimated preference can only be 1, 
18.      * however we can't use this to rank the recommended items, 
19.      * so we use the sum of similarities for that. */  
20.     Vector predictionVector = null;  
21.     for (PrefAndSimilarityColumnWritable prefAndSimilarityColumn : values) {  
22.       predictionVector = predictionVector == null  
23.           ? prefAndSimilarityColumn.getSimilarityColumn()  
24.           : predictionVector.plus(prefAndSimilarityColumn.getSimilarityColumn());  
25.     }  
26.     writeRecommendedItems(userID, predictionVector, context);  
27.   }  
28.   
29.   private void reduceNonBooleanData(VarLongWritable userID,  
30.                         Iterable<PrefAndSimilarityColumnWritable> values,  
31.                         Context context) throws IOException, InterruptedException {  
32.     /* each entry here is the sum in the numerator of the prediction formula */  
33.     Vector numerators = null;  
34.     /* each entry here is the sum in the denominator of the prediction formula */  
35.     Vector denominators = null;  
36.     /* each entry here is the number of similar items used in the prediction formula */  
37.     Vector numberOfSimilarItemsUsed = new RandomAccessSparseVector(Integer.MAX_VALUE, 100);  
38.   
39.     for (PrefAndSimilarityColumnWritable prefAndSimilarityColumn : values) {  
40.       Vector simColumn = prefAndSimilarityColumn.getSimilarityColumn();  
41.       float prefValue = prefAndSimilarityColumn.getPrefValue();  
42.       /* count the number of items used for each prediction */  
43.       Iterator<Vector.Element> usedItemsIterator = simColumn.iterateNonZero();  
44.       while (usedItemsIterator.hasNext()) {  
45.         int itemIDIndex = usedItemsIterator.next().index();  
46.         numberOfSimilarItemsUsed.setQuick(itemIDIndex, numberOfSimilarItemsUsed.getQuick(itemIDIndex) + 1);  
47.       }  
48.       //vector.times(float) 是向量乘于一个数，也就是向量的每一个值都乘以这个数  
49.       //vector.plus(vector) 是两个向量相加，每一个位置上的值相加  
50.         
51.       //numerators是一个vecotr，每一个元素是这样的  
52.       /* 
53.                 例如index为item1的元素的值为： 
54.        simility(item1, item_2)*pref(userid, item_2) 
55.       + simility(item_1, item_3)*pref(userid, item_3) 
56.       + simility(item1, item_4)*pref(userid, item_4) 
57.       + ……  
58.       + simility(item_1, item_2)*pref(userid, item_N) 
59.       */  
60.       // 注：其中simility(item1, item2)代表物品item1和物品item2的相似度 ，pref(userid, item)代表用于userid对item打分分值   
61.        
62.       numerators = numerators == null  
63.           ? prefValue == BOOLEAN_PREF_VALUE ? simColumn.clone() : simColumn.times(prefValue)  
64.           : numerators.plus(prefValue == BOOLEAN_PREF_VALUE ? simColumn : simColumn.times(prefValue));  
65.         
66.         
67.         
68.       simColumn.assign(ABSOLUTE_VALUES);  
69.       //denominators是一个vecotr，每一个元素是这样的  
70.       /* 
71.                 例如index为item1的元素的值为： 
72.        simility(item1, item_2)+ simility(item_1, item_3)+ …… + simility(item_1, item_2)*pref(userid, item_N) 
73.       */  
74.       // 注：其中simility(item1, item2)代表物品item1和物品item2的相似度  
75.       denominators = denominators == null ? simColumn : denominators.plus(simColumn);  
76.     }  
77.   
78.     if (numerators == null) {  
79.       return;  
80.     }  
81.   
82.     Vector recommendationVector = new RandomAccessSparseVector(Integer.MAX_VALUE, 100);  
83.     Iterator<Vector.Element> iterator = numerators.iterateNonZero();  
84.     while (iterator.hasNext()) {  
85.       Vector.Element element = iterator.next();  
86.       int itemIDIndex = element.index();  
87.       /* preference estimations must be based on at least 2 datapoints */  
88.       if (numberOfSimilarItemsUsed.getQuick(itemIDIndex) > 1) {  
89.         /* compute normalized prediction */  
90.         //计算归一化预测值  
91.         double prediction = element.get() / denominators.getQuick(itemIDIndex);  
92.         recommendationVector.setQuick(itemIDIndex, prediction);  
93.       }  
94.     }  
95.     writeRecommendedItems(userID, recommendationVector, context);  
96.   }  
97. }