如何在Spark MLlib中執行基於用戶的建議？

Question

我試圖在MLlib中建立一個基於用戶的協作過濾，從last-fm數據集中找到類似的用戶（基於你聽的藝術家）。

Apache Mahout可以通過GenericBooleanPrefUserBasedRecommender實現我想實現的功能，但速度不夠快，所以我想試試Spark & MLlib，但找不到它的任何實現。有沒有人有一個工作的java/scala/python實現這個或想法如何實現它？我知道MLlib通過ALS具有基於項目的建議，但這是不同的。

Answer 1

Apache Mahout有一個Spark版本的「item-similarity」，它已被集成到ActionML Universal Recommender中。 Mahout已經擴展到基於一種新的互相關算法，該算法允許幾乎任何用戶行爲被用於尋找類似用戶或推薦項目。

Mahout的spark-rowsimilarity的Spark版本是here。在推薦人輸入中（用戶標識，「操作名稱」，項目標識）。累積所有輸入將爲您提供一個表，其中rows = users和columns =個項目。因此，行類似性將創建輸出，將用戶列爲關鍵字，並將最相似的用戶列爲值。這並不理想，因爲它只使用一個「動作」來查看相似之處。對於完整的Mahout算法完整版的相關交叉事件，您可能需要查看Universal Recommender。