CF

= Collaborative Filtering =

* input.txt
**  (user_id, item_id)

* map reduce 1 - change input format
** user_id, Vector(item1, item2...)
** user_item_list.txt

* map reduce 2 - minhash clustering
** minhash_id \t user1, user2, user3 ...
** clustering.txt

* map reduce 3 - generate recommendation
** read clustering.txt and generate map in the memory
*** user1 - list(minhash1, minhash2, minhash3 ...)
*** user2 - list(minhash2, minhash3...)
** mapper
*** read user_item_list.txt
*** emit each purchase record to each minhash cluster which a user belongs to
** reducer
*** collect all records and make recommendations
** output
*** user \t item1, item2 ...

* map reduce 4 - merge recommend list, sort items based on similarity, and print them

= Contents Based Recommender =
* 구매기록 기반 -> item minhash -> item - item similarity에 키워드 추가
* contents 기반 -> item kmeans clustering -> clustering 내에서 구매기록 기반으로 item CF 수행한 뒤 추천
* contents & 구매기록 -> item의 document vector에 item의 minhash 추가 (weight 조절) -> cmeans 수행 -> 구매기록 or contents 기반 유사도를 통해 추천
* item별 키워드 추출 -> 내가 어떤 키워드를 구매했다. -> 사용자별 키워드를 통해 CF -> 키워드별로 질의하여 n개의 추천셋을 만듦