UserCf训练 (UserCfTrainBatchOp)

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

Python 类名：UserCfTrainBatchOp

功能介绍

UserCF 是一种被广泛使用的协同过滤算法，用给定打分数据训练一个推荐模型，
用于预测user对item的评分、对user推荐itemlist，或者对item推荐userlist等。

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	✓
userCol	User列列名	User列列名	String	✓
k	相似集合元素数目	相似集合元素数目	Integer			64
rateCol	打分列列名	打分列列名	String		所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT]	null
similarityThreshold	相似阈值	只有大于该阈值的Object才会被计算	Double			1.0E-4
similarityType	距离度量方式	聚类使用的距离类型	String		“COSINE”, “JACCARD”, “PEARSON”	“COSINE”

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')

model = UserCfTrainBatchOp()\
    .setUserCol("user")\
    .setItemCol("item")\
    .setRateCol("rating").linkFrom(data);

predictor = UserCfRateRecommBatchOp()\
    .setUserCol("user")\
    .setItemCol("item")\
    .setRecommCol("prediction_result");

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.UserCfRateRecommBatchOp;
import com.alibaba.alink.operator.batch.recommendation.UserCfTrainBatchOp;
import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
import org.junit.Test;

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

public class UserCfTrainBatchOpTest {
	@Test
	public void testUserCfTrainBatchOp() 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 <?> model = new UserCfTrainBatchOp()
			.setUserCol("user")
			.setItemCol("item")
			.setRateCol("rating").linkFrom(data);
		BatchOperator <?> predictor = new UserCfRateRecommBatchOp()
			.setUserCol("user")
			.setItemCol("item")
			.setRecommCol("prediction_result");
		predictor.linkFrom(model, data).print();
	}
}

运行结果

user	item	rating	prediction_result
1	1	0.6000	0.6000
2	2	0.8000	0.3000
2	3	0.6000	0.4000
4	1	0.6000	0.6000
4	2	0.3000	0.8000
4	3	0.4000	0.6000