Как рекомендовать 10 лучших продуктов в Spark ALS для всех пользователей?

Как мы можем получить 10 лучших продуктов в PySpark. Я понимаю, что есть методы, такие как рекомендовать продукты, чтобы рекомендовать продукты для одного пользователя и предсказывать, чтобы предсказать рейтинг для пары {user, item}. Но есть ли эффективный способ вывода 10 лучших элементов для каждого пользователя для всех пользователей?

ОТВЕТЫ

Ответ 1

Я написал эту функцию, которая умножает функции пользователя и функции продукта на разделы, чтобы он распределялся, тогда он получает оценки для каждого продукта пользователем и сортирует их по рейтингу и выводит список из 8 лучших рекомендуемых продуктов.

#Collect product feature matrix
 productFeatures = bestModel.productFeatures().collect() 
 productArray=[]
 productFeaturesArray=[]
 for x in productFeatures:
    productArray.append(x[0])
    productFeaturesArray.append(x[1])  
 matrix=np.matrix(productFeaturesArray)
 productArrayBroadCast=sc.broadcast(productArray)
 productFeaturesArraybroadcast=sc.broadcast(matrix.T)

 def func(iterator):
      userFeaturesArray = []
      userArray = []
      for x in iterator:
          userArray.append(x[0])
          userFeaturesArray.append(x[1])
          userFeatureMatrix = np.matrix(userFeaturesArray)
          userRecommendationArray = userFeatureMatrix*(productFeaturesArraybroadcast.value)
          mappedUserRecommendationArray = []
          #Extract ratings from the matrix
          i=0
          for i in range(0,len(userArray)):
              ratingdict={}
              j=0
              for j in range(0,len(productArrayBroadcast.value)):
                   ratingdict[str(productArrayBroadcast.value[j])]=userRecommendationArray.item((i,j))
                   j=j+1
              #Take the top 8 recommendations for the user
              sort_apps=sorted(ratingdict.keys(), key=lambda x: x[1])[:8]
              sort_apps='|'.join(sort_apps)
              mappedUserRecommendationArray.append((userArray[i],sort_apps))
              i=i+1
      return [x for x in mappedUserRecommendationArray]


recommendations=model.userFeatures().repartition(2000).mapPartitions(func)

Ответ 2

PySpark >= 1.6.0 обеспечивает MatrixFactorizationModel.recommendProductsForUsers:

>> model.recommendProductsForUsers(3).take(2)
[(1,
  (Rating(user=1, product=2975, rating=0.003626774788608227),
   Rating(user=1, product=1322, rating=0.002494393082165332),
   Rating(user=1, product=8746, rating=0.002176665942528324))),
 (2,
  (Rating(user=2, product=4060, rating=0.011020947406565042),
   Rating(user=2, product=2332, rating=0.009479319983658458),
   Rating(user=2, product=1979, rating=0.004587168057824856)))]