推荐系统-ALS协同过滤算法代码实现

琉璃梦境

已于 2025-02-17 21:47:50 修改

阅读量798

点赞数 2

分类专栏：人工智能推荐系统文章标签： spark 大数据推荐算法

于 2023-07-27 22:19:27 首次发布

本文链接：https://blog.csdn.net/software444/article/details/129480827

版权

人工智能同时被 2 个专栏收录

14 篇文章

订阅专栏

推荐系统

12 篇文章

订阅专栏

该文详细介绍了如何利用Spark的mllib库实现交替最小二乘(ALS)算法，该算法用于协同过滤，处理用户-商品评分矩阵的缺失值。数据从Cassandra数据库读取，经过训练和测试数据的划分，通过遍历不同的模型参数找到最佳的隐含因子数、迭代次数和惩罚值，以最小化均方误差(RMSE)。最终，ALS模型用于为用户推荐商品，并将结果保存回Cassandra。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

从协同过滤的分类来说，ALS（Alternating Least Squares，交替最小二乘）算法属于User-Item CF，也叫做混合CF，它同时考虑了User和Item两个方面，通过数量相对少的未被观察到的隐藏因子，来解释大量用户和物品之间潜在联系。ALS基于矩阵分解通过降维的方法来补全用户-物品矩阵，对矩阵中没有出现的值进行估计。

用户和物品的关系，可以抽象为如下的三元组：<User,Item,Rating>。其中，Rating是用户对商品的评分，表征用户对该商品的喜好程度。

ALS基本假设：任何一个评分矩阵均可近似分解成两个低维的用户特征矩阵和物品特征矩阵。矩阵分解过程可理解成将用户和物品均抽象的映射到相同的低维潜在特征空间中。因此其基本思想是对稀疏矩阵进行模型分解，评估出缺失项的值，以此来得到一个基本的训练模型，然后依照此模型可以针对新的用户和物品数据进行评估。ALS是采用交替的最小二乘法来算出缺失项，交替最小二乘法是在最小二乘法的基础上发展而来的。

1、spark代码实现

1.1 数据入口

case class ProductRating(userId:Int, productId:Int, score:Double)

/** 训练最好模型输出

@param bestModel 模型
@param bestRanks 隐含因子
@param bestIters 迭代次数
@param bestLambdas 惩罚值
@param bestRmse 最佳方差值**/
case class BestModel(bestModel:Option[MatrixFactorizationModel], bestRanks:Int, bestIters:Int, bestLambdas:Double, bestRmse:Double)


def main(args: Array[String]): Unit = {
    val sparkConf = new SparkConf().setMaster(config("spark.cores")).setAppName("ALSTrainer")
    //创建sparkSession
    val spark = SparkSession.builder().config(sparkConf).getOrCreate()
    //加载数据,作为rating, rdd需要应用asl
    val ratingRDD = getDFFromCass(spark, "cdp", "t_user_item_rating")
      .as[ProductRating]
      .rdd
      .map(
        rating => Rating(rating.userId, rating.productId, rating.score)
      )
    //数据切分为训练集合测试集
    val splits = ratingRDD.randomSplit(Array(0.8, 0.2))
    val trainingRDD = splits(0)
    val testingRDD = splits(1)

    //核心实现，输出最优参数
    val bestModel = RmseUtil.predictBestRmse(trainingRDD, testingRDD)
    println("bestModel" + bestModel.bestRmse)

    val itemRecs = recommender(spark, ratingRDD, 10)
    //output result to cassandra
    saveToCass(itemRecs.toDF(), "cdp", "t_user_recs")

    spark.stop()
  }

1.2 数据加载

我们使用cassandra大数据库，实现数据的输入与存储；

 def saveToCass(saveDF: DataFrame, keyspace: String, tableName: String): Unit = {
    saveDF.write
      .format("org.apache.spark.sql.cassandra")
      .options(Map("keyspace" -> keyspace, "table" -> tableName))
      .mode(SaveMode.Append)
      .option("spark.cassandra.output.consistency.level", "ONE")
      .save()
  }

  def getDFFromCass(spark: SparkSession, keyspace: String, tableName: String): DataFrame = {
    val userItemDF = spark.read
      .format("org.apache.spark.sql.cassandra")
      .options(Map("keyspace" -> keyspace, "table" -> tableName))
      .load()
      .toDF("userId", "itemId", "rating")
    userItemDF
  }

1.3 基于spark mllib物品推荐

建立ALS算法模型，设置模型参数(通过模型参数评估获得最优解），调用recommendProductsForUsers方法为用户推荐指定数量的物品。

  def recommender(spark: SparkSession, ratingRDD: RDD[Rating],  recommendNum: Int): DataFrame={
    val splits = ratingRDD.randomSplit(Array(0.8, 0.2))
    val trainRDD= splits(0)
    val testRDD = splits(1)
    //建立ALS推荐模型
    val model = new ALS()
      .setRank(5)
      .setIterations(20)
      .setLambda(0.01)
      .setImplicitPrefs(false)
      .setUserBlocks(-1)
      .setProductBlocks(-1)
      //设置ratingRDD为所有用户推荐
      .run(trainRDD)

    val testUsersProductRDD = testRDD.map { case Rating(user, product, rate) => (user, product) }
    //得到预测评分的数据集
    val predictionRDD = model.predict(testUsersProductRDD).map {
      case Rating(user, product, rate) => ((user, product), rate)
    }
    //真实评分数据集与预测评分数据集进行合并
    val ratesAndPreds = testRDD.map { case Rating(user, product, rate) => ((user, product), rate) }.join(predictionRDD)
    //计算RMSE,这里的r1就是真实结果，r2就是预测结果
    val MSE = ratesAndPreds.map {
      case ((user, product), (r1, r2)) =>
        val err = (r1 - r2)
        err * err
    }.mean()
    println("Mean Squared Error = " + MSE)

    //用户推荐recommendNum个商品
    val userSubsetRecs = model.recommendProductsForUsers(recommendNum)
    //推荐商品列表
    val itemRecDF = userSubsetRecs.toDF("userId", "recommends")
    itemRecDF.show(5)
    itemRecDF
  }

1.4 模型参数评估

预测模型评估，预测出最好的模型参数BestModel

object RmseUtil {
  /**
   * 训练集合
   * @param trainingData 训练集合
   * @param testingData 测试集合
   * @return
   */
  def predictBestRmse(trainingData:RDD[Rating], testingData:RDD[Rating]): BestModel = {
    var bestModel: Option[MatrixFactorizationModel] = None
    var bestRanks = -1
    var bestIters = 0
    var bestLambdas = -1.0
    var bestRmse = Double.MaxValue
    //多重迭代法求最佳参数模型
    //迭代次数
    val numIters = List(5, 10, 20)
    //隐含因子
    val numRanks = List(8, 10, 12)
    //惩罚值(正则化值)
    val numLambdas = List(0.01, 0.1, 1)
    //共3*3*3种组合，每种组合迭代次数又不一样，在此会消耗大量时间
    for (rank <- numRanks; iter <- numIters; lambdas <- numLambdas) {
      //als参数为 训练集合 隐含因子 迭代次数 惩罚因子
      val model = ALS.train(trainingData, rank, iter, lambdas)
      val validationRmse = rmseComputer(model, testingData)
      //逐步迭代
      if (validationRmse < bestRmse) {
        bestModel = Some(model)
        bestRmse = validationRmse
        bestIters = iter
        bestLambdas = lambdas
        bestRanks = rank
      }
    }
    BestModel(bestModel, bestRanks, bestIters, bestLambdas, bestRmse)
  }
}

/**
   *
   * @param model       训练模型
   * @param dataOfTest  用于测试数据集合(一般是笛卡尔积)
   * @return
   */
  def rmseComputer(model: MatrixFactorizationModel, dataOfTest: RDD[Rating]):Double= {
    //预测评分矩阵：预测返回结果<user product rating>
    val predictResult = model.predict(dataOfTest.map(item => (item.user, item.product)))
    //将预测值和测试值组成一个map然后比较预测的评分值和实际值
    val predict = predictResult.map(item => ((item.user, item.product), item.rating))
    val actual = dataOfTest.map(item => ((item.user, item.product), item.rating))
    val predJoinPrevActual = predict.join(actual).values
    //直接调用回归库函数需要传入一个（prediction,actualValue）
    val evaluator = new RegressionMetrics(predJoinPrevActual)
    evaluator.meanAbsoluteError
  }