刚开始接触Mahout，在网上也看了一些人家的文章，但是感觉都比较复杂。
下面我这种方式，在单机做一些简单的实验、作为初步对于mahout的了解估计是比较好的方法。
1. 到官网下载最新的版本：http://apache.fayea.com/apache-mirror/mahout/0.9/
2. 下载之后解压
3. Eclipse之中创建一个普通的java project 并将解压包之中的jar包导入到项目的classpath之中
在创建好项目之后，我们试一下第一个程序： （使用到的intro.csv被压缩在intro.zip之中了）
import java.io.File;
import java.io.IOException;
import java.util.List;import org.apache.mahout.cf.taste.common.TasteException;
import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;public class Test {public static void main(String[] args) throws IOException, TasteException {DataModel model = new FileDataModel(new File("E:\\DataSet\\intro.csv"));UserSimilarity sim = new PearsonCorrelationSimilarity(model);UserNeighborhood nbh = new NearestNUserNeighborhood(2, sim, model);// 生成推荐引擎Recommender rec = new GenericUserBasedRecommender(model, nbh, sim);// 为用户1推荐物品1List<RecommendedItem> recItemList = rec.recommend(1, 1);for(RecommendedItem item : recItemList) {System.out.println(item);}}
}// RecommendedItem[item:104, value:4.257081]结果即为推荐104这个东西
Done!