Question

我学习Spark已有一段时间了，但今天我陷入了困境，我正在使用Audioscrobbler Dataset来创建推荐模型。

我有基于ALS的模型，并根据以下定义提出了建议：

def makeRecommendations(model: ALSModel, userID: Int,howMany: Int): DataFrame = {
  val toRecommend = model.itemFactors.select($"id".as("artist")).withColumn("user", lit(userID))
     model.transform(toRecommend).
        select("artist", "prediction", "user").
        orderBy($"prediction".desc).
        limit(howMany)
}

它正在生成预期的输出，但是现在我想使用Predictions DF和User Data DF创建一个新的DataFrame列表。

DataFrame Example

新的DF列表由“ Predictions DF”和“ Listened”中的Predicted值组成，如果用户未收听艺术家，则为0；如果用户未收听，则为1，如下所示：

Expected DF

我尝试了以下解决方案：

val recommendationsSeq = someUsers.map { userID =>
     //Gets the artists from user in testData
   val artistsOfUser = testData.where($"user".===(userID)).select("artist").rdd.map(r => r(0)).collect.toList
     // Recommendations for each user
   val recoms        = makeRecommendations(model, userID, numRecom)
     //Insert a column listened with 1 if the artist in the test set for the user and 0 otherwise
   val recomOutput   = recoms.withColumn("listened", when($"artist".isin(artistsOfUser: _*), 1.0).otherwise(0.0)).drop("artist")
     (recomOutput)
}.toSeq

但是当推荐有30个以上的用户时，这非常耗时。我相信还有更好的方法，

有人可以提出想法吗？

谢谢

Answer 1

您可以尝试加入数据帧，然后进行goupby计数：

scala> val df1 = Seq((1205,0.9873411,1000019)).toDF("artist","prediction","user")
scala> df1.show()
+------+----------+-------+
|artist|prediction|   user|
+------+----------+-------+
|  1205| 0.9873411|1000019|
+------+----------+-------+

scala> val df2 = Seq((1000019,1205,40)).toDF("user","artist","playcount")
scala> df2.show()
+-------+------+---------+
|   user|artist|playcount|
+-------+------+---------+
|1000019|  1205|       40|
+-------+------+---------+

scala> df1.join(df2,Seq("artist","user")).groupBy('prediction).count().show()
+----------+-----+
|prediction|count|
+----------+-----+
| 0.9873411|    1|
+----------+-----+

建议-创建带有条件的新数据框

1 个答案: