如何在Spark MLlib中进行基于用户的推荐？

Question

我正在尝试在MLlib中构建基于用户的协同过滤，以便从last-fm数据集中找到类似的用户（基于您收听的艺术家）。

Apache Mahout可以通过GenericBooleanPrefUserBasedRecommender完成我想要实现的目标，但速度不够快所以我想尝试Spark＆amp; MLlib却找不到它的任何实现。有没有人有一个有效的java / scala / python实现或想法如何实现它？我知道MLlib通过ALS提供了基于项目的建议，但这是不同的。

Answer 1

Apache Mahout有一个Spark项目的“项目相似性”，已经集成到ActionML Universal Recommender中。 Mahout已经扩展为基于新的互相关算法，几乎可以使用任何用户操作来查找类似用户或推荐项目。

Mahout火花行相似度的Spark版本为here。在推荐器输入中，您有（user-id，“action-name”，item-id）。累积所有输入会为您提供一个表格，其中rows = users和columns = items。因此，行相似性将创建输出，该输出将用户列为键，将最相似的用户列为值。这并不理想，因为它只使用一个“动作”来看到相似之处。要获得相关交叉发生的全部功能，这是Mahout算法的完整版本，您可能需要查看Universal Recommender。