如何在Spark MLlib中执行基于用户的建议？

Question

我试图在MLlib中建立一个基于用户的协作过滤，从last-fm数据集中找到类似的用户（基于你听的艺术家）。

Apache Mahout可以通过GenericBooleanPrefUserBasedRecommender实现我想实现的功能，但速度不够快，所以我想试试Spark & MLlib，但找不到它的任何实现。有没有人有一个工作的java/scala/python实现这个或想法如何实现它？我知道MLlib通过ALS具有基于项目的建议，但这是不同的。

Answer 1

Apache Mahout有一个Spark版本的“item-similarity”，它已被集成到ActionML Universal Recommender中。 Mahout已经扩展到基于一种新的互相关算法，该算法允许几乎任何用户行为被用于寻找类似用户或推荐项目。

Mahout的spark-rowsimilarity的Spark版本是here。在推荐人输入中（用户标识，“操作名称”，项目标识）。累积所有输入将为您提供一个表，其中rows = users和columns =个项目。因此，行类似性将创建输出，将用户列为关键字，并将最相似的用户列为值。这并不理想，因为它只使用一个“动作”来查看相似之处。对于完整的Mahout算法完整版的相关交叉事件，您可能需要查看Universal Recommender。