Question

我已按照链接中的指南进行操作 http://ampcamp.berkeley.edu/big-data-mini-course/movie-recommendation-with-mllib.html

但这已经过时，因为它使用了spark Mlib RDD方法。 New Spark 2.0具有DataFrame方法。现在我的问题是我有更新的代码

val ratings = spark.read.textFile("data/mllib/als/sample_movielens_ratings.txt")
  .map(parseRating)
  .toDF()
val Array(training, test) = ratings.randomSplit(Array(0.8, 0.2))

// Build the recommendation model using ALS on the training data
val als = new ALS()
  .setMaxIter(5)
  .setRegParam(0.01)
  .setUserCol("userId")
  .setItemCol("movieId")
  .setRatingCol("rating")
val model = als.fit(training)
// Evaluate the model by computing the RMSE on the test data
val predictions = model.transform(test)

现在问题是，在旧代码中，获得的模型是MatrixFactorizationModel，现在它有自己的模型（ALSModel）

在MatrixFactorizationModel中你可以直接做

val recommendations = bestModel.get
  .predict(userID)

这将给出用户喜欢它们的概率最高的产品列表。

但现在没有.predict方法。任何想法如何推荐给定用户ID的产品列表

Answer 1

在模型上使用transform方法：

import spark.implicits._
val dataFrameToPredict = sparkContext.parallelize(Seq((111, 222)))
    .toDF("userId", "productId")
val predictionsOfProducts = model.transform (dataFrameToPredict)

实施推荐（用户|产品）方法的jira票证，但它尚未在默认分支

现在您拥有带有用户分数的DataFrame

您可以简单地使用orderBy和limit来显示N个推荐产品：

// where is for case when we have big DataFrame with many users
model.transform (dataFrameToPredict.where('userId === givenUserId))
    .select ('productId, 'prediction)
    .orderBy('prediction.desc)
    .limit(N)
    .map { case Row (productId: Int, prediction: Double) => (productId, prediction) }
    .collect()

DataFrame dataFrameToPredict可以是一些大型用户产品DataFrame，例如所有用户x所有产品

Answer 2

Spark中的ALS Model包含以下有用的方法：

recommendForAllItems(int numUsers)

返回推荐的每个项目，所有项目的前numUsers个用户。
recommendForAllUsers(int numItems)

为所有用户返回推荐给每个用户的前numItems个项目。
recommendForItemSubset(Dataset<?> dataset, int numUsers)

返回推荐的输入数据集中每个项目ID的前numUsers个用户。
recommendForUserSubset(Dataset<?> dataset, int numItems)

返回在输入数据集中为每个用户ID推荐的前numItems个项目。

例如Python

from pyspark.ml.recommendation import ALS
from pyspark.sql.functions import explode

alsEstimator = ALS()

(alsEstimator.setRank(1)
  .setUserCol("user_id")
  .setItemCol("product_id")
  .setRatingCol("rating")
  .setMaxIter(20)
  .setColdStartStrategy("drop"))

alsModel = alsEstimator.fit(productRatings)

recommendForSubsetDF = alsModel.recommendForUserSubset(TargetUsers, 40)

recommendationsDF = (recommendForSubsetDF
  .select("user_id", explode("recommendations")
  .alias("recommendation"))
  .select("user_id", "recommendation.*")
)

display(recommendationsDF)

例如Scala：

import org.apache.spark.ml.recommendation.ALS
import org.apache.spark.sql.functions.explode 

val alsEstimator = new ALS().setRank(1)
  .setUserCol("user_id")
  .setItemCol("product_id")
  .setRatingCol("rating")
  .setMaxIter(20)
  .setColdStartStrategy("drop")

val alsModel = alsEstimator.fit(productRatings)

val recommendForSubsetDF = alsModel.recommendForUserSubset(sampleTargetUsers, 40)

val recommendationsDF = recommendForSubsetDF
  .select($"user_id", explode($"recommendations").alias("recommendation"))
  .select($"user_id", $"recommendation.*")

display(recommendationsDF)

Answer 3

以下是我使用spark.ml

为特定用户提供建议的方法

import com.github.fommil.netlib.BLAS.{getInstance => blas}

userFactors.lookup(userId).headOption.fold(Map.empty[String, Float]) { user =>

  val ratings = itemFactors.map { case (id, features) =>
    val rating = blas.sdot(features.length, user, 1, features, 1)
    (id, rating)
  }

  ratings.sortBy(_._2).take(numResults).toMap
}

在我的案例中，userFactors和itemFactors都是RDD[(String, Array[Float])]，但您应该可以使用与DataFrame类似的功能。

Spark 2.0 ALS建议如何向用户推荐

3 个答案: