Day 4：PredictionIO——如何创建一个博客推荐器

摘要：是什么是一个用编写的开源机器学习服务器应用，可以帮助你方便地使用搭建推荐引擎。是一个可伸缩的机器学习库，它提供众多聚集分类过滤算法。我为什么要关心我决定学习是因为我想使用一个可以帮助我加上机器学习功能的库。

今天是“30天学习30种新技术”的第4天。到目前为止我很享受，而且周围开发者反响也很不错。我现在更有动力在30天内完成它了。在这篇文章中，我将介绍如何在Java下使用PredictionIO来简单地构建一个博客推荐引擎。我没找到太多在Java下使用PredictionIO的文档。所以，本文对那些寻找在Java下使用PredictionIO的完整教程的人可能会有用。“30天学习30种新技术”系列文章的目录可以在这里找到。

PredictionIO是一个用Scala编写的开源机器学习服务器应用，可以帮助你方便地使用REST API搭建推荐引擎。它同时也提供了客户端SDK，封装了REST API。Java、Python、Ruby和PHP都有客户端SDK。PredictionIO的核心使用Apache Mahout。Apache Mahout是一个可伸缩的机器学习库，它提供众多聚集、分类、过滤算法。Apache Mahout可以在分布式的Hapoop集群上运行这些算法。

作为用户，我们不需要操心这些细节。我们只需安装PredictionIO然后使用它就是了。欲知详情，请读文档。

我决定学习PredictionIO是因为我想使用一个可以帮助我加上机器学习功能的库。PredictionIO有助于实施诸如推荐有意思的内容、发现相似内容之类的功能。

在文档中提及了很多安装PredictionIO的方法。我使用Vagrant，这样我就不会搞乱我的系统，同时不用自己配置所有的东西。

下载适合你的操作系统的最新版的vagrant：http://downloads.vagrantup.com/

下载并安装 VirtualBox。 请参考 https://www.virtualbox.org/wiki/Downloads

下载最新的包含 PredictionIO 的 vagrant包： https://github.com/PredictionIO/PredictionIO-Vagrant/releases

解压缩 PredictionIO-x.x.x.zip。其中包括了设置PredictionIO所需要的脚本。打开命令行终端，转到PredictionIO-x.x.x目录。

vagrant脚本将首先下载Ubuntu vagrant box，接着安装依赖——MongoDB、Java、Hadoop和PredictionIO服务器。这很耗时间（取决于网速）。如果你所在的位置网络不稳定，我建议你使用wget下载。wget命令支持断点续传。使用如下命令将precise64 box下载到适当的位置：

wget -c http://files.vagrantup.com/precise64.box

等待下载完成之后，打开Vagrantfile，修改config.vm.box_url，指向下载目录，例如：

config.vm.box_url = "/Users/shekhargulati/tools/vagrant/precise64.box"

现在只需vagrant up就可以开始安装进程了。取决于你的网速，这会花一些时间。

接着我们将按照文档所言创建一个管理员账户 http://docs.prediction.io/current/installation/install-predictionio-with-virtualbox-vagrant.html#create-an-administrator-account

可以通过 http://localhost:9000/ 访问应用。阅读以下文档了解详情 http://docs.prediction.io/current/installation/install-predictionio-with-virtualbox-vagrant.html#accessing-predictionio-server-vm-from-the-host-machine PredictionIO应用会要求你登录。登录之后，你会见到如下所见的面板。

作为开始，我们创建一个博客推荐应用。点击“Add an App”按钮，输入应用名“blog-recommender”。

应用创建后，你可以在如下所示的Applications里看到。

接着点击Develop，你将看到应用的详情。重要的信息是App Key。你编写应用的时候需要这个。

我们正要实现的用例和亚马逊的“购买此商品的顾客也同时购买”功能很相似。我们要实现的是“浏览此博客的读者也同时浏览”功能。

既然我们已经创建了PredictionIO应用，那么该是时候编写我们的Java应用了。我们使用Eclipse来开发这个应用。我使用的是Eclipse Kepler，内建了m2eclipse集成。通过 文件 > 新建 > Maven项目 创建一个基于Maven的项目。选择maven-archetype-quickstart，然后输入Maven项目的详细信息。用下面的内容替换pom.xml。

  4.0.0
  com.shekhar
  blog-recommender
  0.0.1-SNAPSHOT
  jar
  blog-recommender
  http://maven.apache.org
  
    UTF-8
  
  
    
  io.prediction
      client
  0.6.1
    
  
  

      
        org.apache.maven.plugins
        maven-compiler-plugin
        3.1
        
          
          1.7
          1.7
        
      
    
  

上面的内容中值得注意的是PredictionIO Java API和Maven的依赖关系。

现在我们将编写一个类，在PredictionIO中插入数据。这个类是这样子的。

package com.shekhar.blog_recommender;

import io.prediction.Client;
import io.prediction.CreateItemRequestBuilder;

public class BlogDataInserter {

    private static final String API_KEY = "wwoTLn0FR7vH6k51Op8KbU1z4tqeFGZyvBpSgafOaSSe40WqdMf90lEncOA0SB13";

    public static void main(String[] args) throws Exception {
        Client client = new Client(API_KEY);
        addUsers(client);
        addBlogs(client);
        userItemViews(client);
        client.close();
    }

    private static void addUsers(Client client) throws Exception {
        String[] users = { "shekhar", "rahul"};
        for (String user : users) {
            System.out.println("Added User " + user);
            client.createUser(user);
        }
    }

    private static void addBlogs(Client client) throws Exception {
        CreateItemRequestBuilder blog1 = client.getCreateItemRequestBuilder("blog1", new String[]{"machine-learning"});
        client.createItem(blog1);

        CreateItemRequestBuilder blog2 = client.getCreateItemRequestBuilder("blog2", new String[]{"javascript"});
        client.createItem(blog2);

        CreateItemRequestBuilder blog3 = client.getCreateItemRequestBuilder("blog3", new String[]{"scala"});
        client.createItem(blog3);

        CreateItemRequestBuilder blog4 = client.getCreateItemRequestBuilder("blog4", new String[]{"artificial-intelligence"});
        client.createItem(blog4);

        CreateItemRequestBuilder blog5 = client.getCreateItemRequestBuilder("blog5", new String[]{"statistics"});
        client.createItem(blog5);

        CreateItemRequestBuilder blog6 = client.getCreateItemRequestBuilder("blog6", new String[]{"python"});
        client.createItem(blog6);

        CreateItemRequestBuilder blog7 = client.getCreateItemRequestBuilder("blog7", new String[]{"web-development"});
        client.createItem(blog7);

        CreateItemRequestBuilder blog8 = client.getCreateItemRequestBuilder("blog8", new String[]{"security"});
        client.createItem(blog8);

        CreateItemRequestBuilder blog9 = client.getCreateItemRequestBuilder("blog9", new String[]{"ruby"});
        client.createItem(blog9);

        CreateItemRequestBuilder blog10 = client.getCreateItemRequestBuilder("blog10", new String[]{"openshift"});
        client.createItem(blog10);
    }

    private static void userItemViews(Client client) throws Exception {
        client.identify("shekhar");
        client.userActionItem("view","blog1");
        client.userActionItem("view","blog4");
        client.userActionItem("view","blog5");

        client.identify("rahul");
        client.userActionItem("view","blog1");
        client.userActionItem("view","blog4");
        client.userActionItem("view","blog6");
        client.userActionItem("view","blog7");

    }

}

上面展示的类主要做了这些事：

我们创建了一个Client类的实例。Client类封装了PredictionIO的REST API。我们需要将PredictionIO博客推荐应用的 API_KEY 提供给它。

接着我们利用Client实例创建了两个用户。这两个用户在PredictionIO应用中创建。只有userId是必须要填上的。

在此之后我们利用Clinet实例添加了10个博客。博客同样在PredictionIO应用中创建。当创建一项事物的时候，你只需传递两样东西——itemId和itemType。blog1,...blog10是itemId，而javascript、scala等是itemType。

然后我们对创建的事物施加一些行动。用户shekhar浏览了blog1、blog2和blog4，而用户rahul则浏览了blog1、blog4、blog6和blog7。

最后，我们关闭了cilent实例。

将这个类作为Java应用程序运行。它会在PredictionIO中插入记录，你可以通过查看面板来确认这一点。

既然数据已经插入了我们的PredictionIO应用了，我们需要在我们的应用中添加引擎。点击Add an Engine按钮。如下所示，选择Item Similarity Engine。

然后创建Item Similarity Engine，输入engine1作为名称。

按下Create按钮之后Item Similarity Engine就创建好了。现在你可以改动一些配置，不过我们将使用默认配置。进入Algorithms标签，你会看到引擎尚未运行。点击Train Data Model Now可运行引擎。

等上一段时间。数据模型训练完成之后，你会看到状态已经变成Running了。

我们要解决的问题是基于用户访问过的博客向用户推荐博客。在下面的代码中，我们获取了对userId shekhar 而言 blog1 的相似项。

import io.prediction.Client;

import java.util.Arrays;

public class BlogrRecommender {

    public static void main(String[] args) throws Exception {

        Client client = new Client("wwoTLn0FR7vH6k51Op8KbU1z4tqeFGZyvBpSgafOaSSe40WqdMf90lEncOA0SB13");
        client.identify("shekhar");
        String[] recommendedItems = client.getItemSimTopN("engine1", "blog1", 5);

        System.out.println(String.format("User %s is recommended %s", "shekhar", Arrays.toString(recommendedItems)));

        client.close();
    }
}

运行此Java程序，你会看到结果：blog4、blog5、blog6和blog7。

正如你在上面的例子中看到的，为应用增加推荐功能很容易。我会在我未来的项目中使用PredictionIO，我也会花更多的时间学习和使用PredictionIO。

这就是今天的内容。请多多回馈。

原文 Day 4: PredictionIO--How to Build A Blog Recommender
翻译 SegmentFault