我正在寻找情境感知（位置，时间，伴侣）推荐系统。
我发现了一堆很好的推荐系统（mahout，PredictionIO，easyrec）。
但不幸的是，我对这些都不满意。
在进一步谷歌搜索后，我发现基于CARSKit的librec。
我正是在寻找类似的图书馆。同时，我更感兴趣只与mahout合作。
尽管mahout不适合我，但是我们仍然可以要求一些建议，输出也可以理解。
根据我的理解，mahout中缺少“上下文感知”。
我将解释我的数据集。
calendar_seq,user_id,date,dayofweek,timehh,timemm,location_name,location_lat,location_long,companion,event_name,is_recommended,is_accepted,show_in_cal
1,1,14/12/15,Monday,13,0,Office,1.1,2.2,Colleagues,lunch,true,true,true
2,1,14/12/15,Monday,18,0,Cinema,3.3,4.4,NA,Movie,false,true,true
3,1,15/12/15,Tuesday,13,0,Office,1.1,2.2,Colleagues,lunch,true,true,true
4,1,15/12/15,Tuesday,18,0,Meeting,3.3,4.4,Colleagues,meeting,false,true,true
5,1,16/12/15,Wednesday,13,0,Office,1.1,2.2,Colleagues,lunch,true,true,true
我将在数据库中有以上五行，并将其作为训练数据。
现在，我需要在15年12月16日晚上18:00为用户1推荐。
它可以推荐16/12的电影院或会议。
当我再次运行recomender 17/12时，根据前一天的建议，所有这些事件都将变成训练数据。
因此，再次推荐者可以根据位置，时间，伴侣等给出推荐。
谁能在Mahout或新图书馆的基础上向我推荐最适合我的推荐包装纸？
我更喜欢基于Java的解决方案。
最佳答案
这可能类似于您的问题。
来自此链接的引言：“您的输入文件可能具有年龄，位置等多个特征。R可以帮助您在多个特征上应用K-Means集群。ApacheMahout实现会覆盖特征而不是应用多个特征。当您应用集群时在这些多个功能上，将基于所有功能而不是一个功能来形成集群，但是，我不确定用例，因此我只是在这里讨论技术可行性，您可能需要根据用例进行应用。 ”
希望这可以帮助。
关于java - 上下文感知推荐引擎，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/34156525/