ALS：打分推荐推荐 (AlsRateRecommBatchOp)

Java 类名：com.alibaba.alink.operator.batch.recommendation.AlsRateRecommBatchOp

Python 类名：AlsRateRecommBatchOp

功能介绍

ALS打分预测，可对每一个（user，item）输入对进行评分预测。这里的ALS模型可以是隐式模型，也可以是显式模型。

参数说明

名称	中文名称	描述	类型	是否必须？	取值范围	默认值
itemCol	Item列列名	Item列列名	String	✓
recommCol	推荐结果列名	推荐结果列名	String	✓
userCol	User列列名	User列列名	String	✓
reservedCols	算法保留列名	算法保留列	String[]			null
numThreads	组件多线程线程个数	组件多线程线程个数	Integer			1

代码示例

Python 代码

from pyalink.alink import *

import pandas as pd

useLocalEnv(1)

df_data = pd.DataFrame([
    [1, 1, 0.6],
    [2, 2, 0.8],
    [2, 3, 0.6],
    [4, 1, 0.6],
    [4, 2, 0.3],
    [4, 3, 0.4],
])

data = BatchOperator.fromDataframe(df_data, schemaStr='user bigint, item bigint, rating double')

als = AlsTrainBatchOp().setUserCol("user").setItemCol("item").setRateCol("rating") \
    .setNumIter(10).setRank(10).setLambda(0.01)
predictor = AlsRateRecommBatchOp()\
    .setUserCol("user").setItemCol("item").setRecommCol("predicted_rating")

model = als.linkFrom(data)
predictor.linkFrom(model, data).print()

Java 代码

import org.apache.flink.types.Row;

import com.alibaba.alink.operator.batch.BatchOperator;
import com.alibaba.alink.operator.batch.recommendation.AlsRateRecommBatchOp;
import com.alibaba.alink.operator.batch.recommendation.AlsTrainBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

import java.util.Arrays;
import java.util.List;

public class AlsRateRecommBatchOpTest {
	@Test
	public void testAlsRateRecommBatchOp() throws Exception {
		List <Row> df_data = Arrays.asList(
			Row.of(1, 1, 0.6),
			Row.of(2, 2, 0.8),
			Row.of(2, 3, 0.6),
			Row.of(4, 1, 0.6),
			Row.of(4, 2, 0.3),
			Row.of(4, 3, 0.4)
		);
		BatchOperator <?> data = new MemSourceBatchOp(df_data, "user int, item int, rating double");
		BatchOperator <?> als = new AlsTrainBatchOp().setUserCol("user").setItemCol("item").setRateCol("rating")
			.setNumIter(10).setRank(10).setLambda(0.01);
		BatchOperator <?> predictor = new AlsRateRecommBatchOp()
			.setUserCol("user").setItemCol("item").setRecommCol("predicted_rating");
		BatchOperator model = als.linkFrom(data);
		predictor.linkFrom(model, data).print();
	}
}

运行结果

user	item	rating	predicted_rating
1	1	0.6000	0.5810
2	2	0.8000	0.7669
2	3	0.6000	0.5809
4	1	0.6000	0.5753
4	2	0.3000	0.2989
4	3	0.4000	0.3833