協同過濾常用于推薦系統，這項技術旨在填補 丟失的user-item關聯矩陣 的條目，spark.ml目前支持基于模型的協同過濾（用一些丟失條目的潛在因素在描述用戶和產品）。spark.ml使用ALS（交替最小二乘法）去學習這些潛在因素。在spark.ml中的實現有以下參數：

numBlocks：塊的數量，user和item將被分成多少塊，以并行計算。（默認10）

ranK:模型隱含因素的個數。（默認10）

maxIter：模型的最大迭代次數。（默認10）

regParam?：ALS的正則化參數。（默認1.0）

implicitPrefs?：使用顯式反饋還是隱式反饋。（默認false，即顯式反饋）

alpha：信心權重所應達到的基準線。（默認1.0）

nonnegative?：是否使用非負數的約束。（默認false）

　　注意：基于dataFrame - API的ALS目前只支持整數型的userID和itemID，其他數字類型也支持，但是取值范圍必須在整數之內。

顯式反饋VS隱式反饋

　　標準的基于矩陣分解的協同過濾方法對待user-item矩陣的條目項 是顯式地給出user對item的偏好,例如,用戶給電影評級。

　　而現實生活中常見案例是只能有隱式反饋（例如：視圖，點擊鼠標，購買，喜歡，分享……）。在spark.ml中使用的方法是：對隱式反饋數據集的協同過濾。實際上，這種方法不是直接對數據矩陣進行建模，而是將數據視為代表用戶行為意愿強度的數字（例如點擊的次數或某人累積觀看電影的時間）。然后，這些數字與觀察到的用戶偏好的置信水平相關，而不是給予項目的明確評級。 然后，該模型嘗試找到可用于預測用戶對項目的預期偏好的潛在因素。

　　Scaling of the regularization parameter（正則化參數的換算）

　　我們通過用戶在更新用戶因素中產生的評分，或產品在更新產品因素中收到的評分來求解每個最小二乘問題的規則化參數?regParam?。 這種方法被命名為“?ALS-WR?”（加權正則化交替最小二乘法），并在論文“?Large-Scale Parallel Collaborative Filtering for the Netflix Prize?”中進行了討論。 它使?regParam?對數據集的規模依賴較少，因此我們可以將從采樣子集學到的最佳參數應用于完整數據集，并期望能有相似的表現。

　　冷啟動策略

　　在進行預測時使用ALSModel,通常遇到這樣一種情況，訓練模型的時候，user、item在測試數據集沒有出現。這種情況通常發生在兩個場景:

在生產中,新user或item,沒有評級的歷史，或者模型沒有訓練(這是“冷啟動問題”)。

在交叉驗證中,數據分為訓練集和評價集。當簡單的隨機生成?CrossValidator或?TrainValidationSplit,它實際上是非常常見的出現這樣情況：user、item在驗證集,但不在訓練集。

　　默認情況下,當user、item不在模型之中，spark在ALSModel.transform分配NaN預測，這在預測系統中非常的有用，因為它表明了一個新的user、item，系統可以做一個后備性的預測。

　　然而在交叉驗證中這是不可取的，因為任何一個NaN預測會導致評估度量的NaN結果（例如當使用RegressionEvaluator時）這使得模型選擇是不可能的。

　　spark允許用戶設置coldStartStrategy參數為“drop”，以便刪除包含NaN值的預測的DataFrame中的任何行。 然后，將根據非NaN數據計算評估度量，并將有效。 以下示例說明了此參數的用法。

注意：目前支持的冷啟動策略是“nan”（上面提到的默認行為）和“drop”。 未來可能會支持進一步的策略。

例子

　　在以下示例中，我們從MovieLens數據集加載評級數據，每行由用戶，電影，評級和時間戳組成。 然后，假設我們訓練一個ALS模型，默認情況下假定評級是明確的（implicitPrefs是false）。 我們通過測量評級預測的均方根誤差來評估推薦模型。

有關API的更多詳細信息，請參閱ALS Java文檔。

import java.io.Serializable;import org.apache.spark.api.java.JavaRDD; import org.apache.spark.ml.evaluation.RegressionEvaluator; import org.apache.spark.ml.recommendation.ALS; import org.apache.spark.ml.recommendation.ALSModel;public static class Rating implements Serializable {private int userId;private int movieId;private float rating;private long timestamp;public Rating() {}public Rating(int userId, int movieId, float rating, long timestamp) {this.userId = userId;this.movieId = movieId;this.rating = rating;this.timestamp = timestamp;}public int getUserId() {return userId;}public int getMovieId() {return movieId;}public float getRating() {return rating;}public long getTimestamp() {return timestamp;}public static Rating parseRating(String str) {String[] fields = str.split("::");if (fields.length != 4) {throw new IllegalArgumentException("Each line must contain 4 fields");}int userId = Integer.parseInt(fields[0]);int movieId = Integer.parseInt(fields[1]);float rating = Float.parseFloat(fields[2]);long timestamp = Long.parseLong(fields[3]);return new Rating(userId, movieId, rating, timestamp);} }JavaRDD<Rating> ratingsRDD = spark.read().textFile("data/mllib/als/sample_movielens_ratings.txt").javaRDD().map(Rating::parseRating); Dataset<Row> ratings = spark.createDataFrame(ratingsRDD, Rating.class); Dataset<Row>[] splits = ratings.randomSplit(new double[]{0.8, 0.2}); Dataset<Row> training = splits[0]; Dataset<Row> test = splits[1];// Build the recommendation model using ALS on the training data ALS als = new ALS().setMaxIter(5).setRegParam(0.01).setUserCol("userId").setItemCol("movieId").setRatingCol("rating"); ALSModel model = als.fit(training);// Evaluate the model by computing the RMSE on the test data // Note we set cold start strategy to 'drop' to ensure we don't get NaN evaluation metrics model.setColdStartStrategy("drop"); Dataset<Row> predictions = model.transform(test);RegressionEvaluator evaluator = new RegressionEvaluator().setMetricName("rmse").setLabelCol("rating").setPredictionCol("prediction"); Double rmse = evaluator.evaluate(predictions); System.out.println("Root-mean-square error = " + rmse);// Generate top 10 movie recommendations for each user Dataset<Row> userRecs = model.recommendForAllUsers(10); // Generate top 10 user recommendations for each movie Dataset<Row> movieRecs = model.recommendForAllItems(10);

　　

　　在Spark repo中的“examples / src / main / java / org / apache / spark / examples / ml / JavaALSExample.java”中查找完整示例代碼。
如果評級矩陣是從另一個信息來源導出的（即從其他信號推斷出來），您可以將implicitPrefs設置為true以獲得更好的結果：

ALS als = new ALS().setMaxIter(5).setRegParam(0.01).setImplicitPrefs(true).setUserCol("userId").setItemCol("movieId").setRatingCol("rating");

?

? ?

轉載于:https://www.cnblogs.com/taoshiqian/p/7206380.html

總結

以上是生活随笔為你收集整理的Spark 2.2.0 文档中文版 Collaborative Filtering 协同过滤 JAVA推荐系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。