我在学习实现推荐系统的教程时，发现大多数教程只考虑了一个变量（排名）。

我想实现一个基于物品的推荐系统，该系统可以处理多个变量。

例如：假设一个物品（酒吧）有以下变量（数值范围从-10到+10，用于表达相反的极性）

 - 价格（便宜到昂贵） - 环境（休闲到高档） - 年龄范围（年轻到成年）

现在我想根据用户历史记录中注册的酒吧列表来推荐物品（酒吧）。

这种“多维度推荐系统”是否可以使用Mahout或其他框架实现？

回答：

你想要的是多模态、多指标、多变量的——通用推荐系统。它可以处理所有这些数据。我们已经在真实数据集上进行了测试，由于我们称之为“次要指标”的原因，精度测试得到了显著提升。

你的直觉很好。可以看看通用推荐系统：blog.actionml.com，查看其中一篇文章的幻灯片。代码在这里：https://github.com/actionml/template-scala-parallel-universal-recommendation/tree/v0.3.0 它基于新版的Spark Mahout构建：http://mahout.apache.org/users/algorithms/intro-cooccurrence-spark.html