下载了MovieSite这个包,解压导入Eclipse遇到很多问题。记录下步骤
首先导入eclipse后,build path中引入的几个tomcat library路径不正确。需要根据你的tomcat路径,重新引入。还有需要下载mysql 驱动,我下载的是mysql-connector-java-5.1.10-bin.jar,导入build path。如果你是通过在eclipse中的tomcat plugin(com.sysdeo.eclipse.tomcat)来运行这个web程序,还需要将该驱动jar包拷贝一份到tomcat的lib目录下。
然后修改tomcat的server.xml或者在拷贝一个context xml到conf/Catalina/localhost目录下。加入类似下面的内容
<Context docBase="c:/MovieSite" path="/MovieSite" reloadable="true" >
<Resource name="jdbc/movie" //要与web.xml中的<res-ref-name>一致
auth="Container"
type="javax.sql.DataSource"
driverClassName="com.mysql.jdbc.Driver"
url="jdbc:mysql://192.168.21.152/movie"
username="root" //your mysql account name
password="root" // your mysql password
maxActive="100"
maxIdle="30"
maxWait="10000"/>
</Context>
然后要根据table.sql的脚步创建4个table,再将movies.dat数据导入。接着在user表中自己插入一笔数据,因为例子没提供,但后面导入ratings.dat必须要有user表的userID父键关联。所以ID号以ratings中的userID为参照。因为ratings.dat中数据较多,而你不可能将ratings中的userID一一插入到user表(除非你有兴趣或者其它工具帮您插入),所以导入ratings.dat时,会报异常,只会导入在你user表中存在的userID作父键的数据。不用太计较,能看到例子的效果就行。
最后启动tomcat,打开浏览器,输入http://localhost:8080/MovieSite,看到输入框,输入你的user email,密码可以不输。就可以看到内容了。
看到http://blog.csdn.net/softwarehe/article/details/7465151中将mahout-core-0.2换成mahout-core-0.5,问题更多,还会有代码编译错误,但也可以解决。
在com.ibm.taste.example.movie.recommender包中所有代码都会提示错误,但主要是两种
一是类似ItemBasedRecommender类中的错误提示:
The type ItemBasedRecommender must implement the inherited abstract method Recommender.recommend(long, int, IDRescorer),
The method recommend(long, int, IDRescorer) in the type Recommender is not applicable for the arguments (long, int, Rescorer<Long>)
遇到这种状况,就将该方法屏蔽掉,然后重新加载未实现方法,同时将调用this.recommend(long , howMany Rescorer<Long> )改成调用this.recommend(long , int ,IDRescorer).
二是MovieDataModel类中提示:
The constructor MySQLJDBCDataModel(DataSource, String, String, String, String) is undefined
先添加变量public final static String TIMESTAMP_COLUMN = "timestamp";
然后将super(lookupDataSource(dataSourceName), PERFERENCETABLE, USERID_COLUMN, ITEMID_COLUMN, PERFERENCE_COLUMN)改成super(lookupDataSource(dataSourceName), PERFERENCETABLE, USERID_COLUMN, ITEMID_COLUMN, PERFERENCE_COLUMN,TIMESTAMP_COLUMN);
就可以了。
解决了编译问题,运行tomcat时可能还会报异常,需要另外两个jar:guava-r03.jar,mahout-math-0.5.jar。其它步骤和mahout-core-0.2一样
相关推荐
具体步骤,参见博客:http://blog.csdn.net/fufengrui/article/details/17022535
在Mahout Taste Webapp工程中,需要添加对mahout-examples的依赖,这一步骤是必须的,因为示例代码提供了实际运行推荐系统所必需的组件。 6. 配置推荐引擎的属性 在Mahout Taste Webapp的recommender.properties...
“基于 Apache Mahout 构建社会化推荐引擎”中的“使用 Taste 构建推荐引擎实例 – 电影推荐引擎”的工程文件,环境:MyEclipse8.5+JDK1.6+TOMCAT6。直接下载,用MyEclipse导入项目即可。
在给定文件的信息中,虽然科技情报开发与经济并非与标题“基于Hadoop和Mahout的分布式推荐引擎的设计”直接相关,但其中涉及的一些概念和知识点,例如分布式系统的设计与应用,仍然可以为设计分布式推荐引擎提供重要...
This book is a practical guide that explains the classification algorithms provided in Apache Mahout with the help of actual examples. Starting with the introduction of classification and model ...
Apache Mahout 简介
在本项目中,我们主要探讨如何使用SpringBoot框架与Apache Mahout构建一个推荐系统,该系统专注于基于用户评分数据来推荐相关的电影。首先,让我们深入理解这个系统的各个组成部分。 **SpringBoot** SpringBoot是由...
相关技术 推荐算法 基于用户的协同过滤 ...调用Deeplearning4j中构建paragraphvector的方法,通过doc2vec构建VSM 用Gensim会更方便点 基于热点的推荐 统计最高浏览量 过滤一定时间前的新闻保证热点的准确
《Apache Mahout Cookbook》是一本深入探讨Apache Mahout框架的指南,旨在帮助读者掌握并熟练应用Mahout的各种功能,从基础设置到高级分析技术。本书不仅涵盖了安装与配置Mahout所需的环境,还提供了丰富的示例代码...
基于Apache Mahout框架实现的具有协同过滤功能的推荐系统源码+数据+项目操作说明.zip 该项目是使用Apache Mahout框架创建的具有协同过滤功能的推荐系统。该系统使用一个音乐推荐数据集作为研究目的的输入,但可以...
Thank you for requesting the download for Apache Mahout Cookbook. Please click the following link to download the code:
本项目"基于Mahout实现协同过滤推荐算法的电影推荐系统"旨在利用Apache Mahout这一开源机器学习库,构建一个能够为用户推荐个性化电影的系统。以下将详细介绍该系统的相关知识点: 1. **协同过滤推荐算法**: 协同...
Apache Mahout是一个基于Hadoop的大规模数据集上实现的机器学习库,它的主要目标是提供简单易用的算法,用于构建智能应用。在标题中提到的"apache-mahout-distribution-0.12.2.tar.gz"是Mahout的一个发行版本,版本...
在"apache-mahout-distribution-0.11.0-src.zip"这个压缩包中,您将找到Mahout 0.11.0版本的源代码,这对于开发者和研究者来说是一个宝贵的资源,他们可以深入理解算法的内部工作原理,进行定制化开发或优化。...
Apache Mahout is a scalable machine learning library with algorithms for clustering, classification, and recommendations. It empowers users to analyze patterns in large, diverse, and complex datasets ...
Apache Mahout是一个高度可扩展的机器学习库,主要用于构建智能推荐系统、聚类分析以及其他数据挖掘任务。该库利用了Apache Hadoop的强大分布式计算能力,使得处理大规模数据集变得高效可行。 #### 二、安装与配置 ...
在本项目中,我们主要探讨如何利用Apache Spark、Apache Mahout和Spring Boot技术构建一个推荐系统。推荐系统是人工智能领域的一个重要应用,它通过分析用户的行为和偏好,为用户提供个性化的产品或服务推荐。以下是...
运行代码会展示如何使用Mahout API完成上述步骤,从而在本地环境中构建并运行一个简单的用户基于的推荐系统。 总结,这个基于用户的推荐Demo展示了如何利用Apache Mahout来创建和实施一个基本的推荐系统。通过理解...
本文将深入探讨一个基于Apache Mahout实现的电影推荐系统——MovieRecommender,它利用协同过滤推荐算法,为用户提供个性化的电影推荐。 协同过滤是一种广泛应用于推荐系统的机器学习方法,主要分为用户-用户协同...