如何处理Spark ALS从MLlib生成的模型中的新用户/项目？

Question

目前，当新用户到来时，我无法更新我的推荐系统，该推荐系统显然与未添加用户和项目矩阵有关。 我在哪里可以找到这个以及如何做到这一点？感谢

model.userFactors model.itemFactors

Answer 1

计算商品功能和用户功能时，仅准备模型以推荐已知商品和用户。如果您有新的用户/项目，则必须处理冷启动问题。

但是有两件事 - 使建议适用于新用户/项目，而另外一件事就是在线附近更新模型（特征矩阵）。

为了准备新建/匿名用户的建议，建立模型时输入数据不在输入数据中，你必须准备它的特征向量。该方法是根据已经看到的项目的特征（或者您正在考虑的任何类型的交互作为'喜欢'）来准备它，例如，从用户喜欢的项目中计算每个要素的平均值。或者查看building anonymous user feature vector

方法的Oryx代码

通过使用折叠技术来更新您的模型近在线（我写近，因为面对它，真正的在线更新是不可能的），例如： Online-Updating Regularized Kernel Matrix Factorization Models for Large-Scale Recommender Systems. 你可以看看代码：

• MyMediaLite
• Oryx - 使用Lambda Architecture范例构建框架。它应该有新用户/项目折叠的更新。