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