scala - 使用spark ml的推荐系统

Question

我正在关注 documentation example建立推荐系统，我正在创建 ALS 构造函数，一切正常

 val als = new ALS()
  .setMaxIter(maxIterations)
  .setRegParam(regressionParam)
  .setUserCol("user_id")
  .setItemCol("item_id")
  .setRatingCol("rating")

val model = als.fit(trainData)
val predictions = model.transform(testData)
println("predictions"+predictions.show(80))

val evaluator = new RegressionEvaluator()
  .setMetricName("rmse")
  .setLabelCol("rating")
  .setPredictionCol("prediction")
val rmse = evaluator.evaluate(predictions)
println(s"Root-mean-square error = $rmse")
predictions

我训练模型，设置所有内容，但我的主要问题是，我可以使用测试数据进行预测，该数据返回我传递给它的每个项目 id 的预测因子，但我实际上需要模型可以向我建议来自user_id 无法通过添加预测列来预测项目 id 的合适程度。 org.apache.spark.ml.recommendation.ALS 可以做到这一点吗？

Answer 1

当前要为 user_id = 1 的用户推荐 10 个热门项目，您必须执行以下操作:

val predictionsForUser1 = predictions
    .where(col("user_id") === 1)
    .orderBy(col("predictions").desc)
    .limit(10)

在下一个 Spark 版本中，它将以更加用户友好的方式实现