我的项目采纳ALS作为协同过滤算法，依据MongoDB中的用户评分表计算离线的用户商品举荐列表以及商品类似度矩阵。
通过ALS计算商品类似度矩阵，该矩阵用于查问以后商品的类似商品并为实时举荐零碎服务。
离线计算的ALS 算法，算法最终会为用户、商品别离生成最终的特色矩阵，别离是示意用户特色矩阵的U(m x k)矩阵，每个用户有 k个特征描述；示意物品特色矩阵的V(n x k)矩阵，每个物品也由 k 个特征描述。
V(n x k)示意物品特色矩阵，每一行是一个 k 维向量，尽管咱们并不知道每一个维度的特色意义是什么，然而k 个维度的数学向量示意了该行对应商品的特色。
所以，每个商品用V(n x k)每一行的向量示意其特色，于是任意两个商品 p：特征向量为，商品q：特征向量为之间的类似度sim(p,q)能够应用和的余弦值来示意：
举荐算法！基于隐语义模型的协同过滤举荐之商品类似度矩阵
数据集中任意两个商品间类似度都能够由公式计算失去，商品与商品之间的类似度在一段时间内根本是固定值。最初生成的数据保留到MongoDB的ProductRecs表中。
举荐算法！基于隐语义模型的协同过滤举荐之商品类似度矩阵
外围代码如下：
//计算商品类似度矩阵//获取商品的特色矩阵，数据格式 RDD[(scala.Int, scala.Array[scala.Double])]val productFeatures = model.productFeatures.map{case (productId,features) => (productId, new DoubleMatrix(features))}// 计算笛卡尔积并过滤合并val productRecs = productFeatures.cartesian(productFeatures) .filter{case (a,b) => a._1 != b._1} .map{case (a,b) => val simScore = this.consinSim(a._2,b._2) // 求余弦类似度 (a._1,(b._1,simScore)) }.filter(_._2._2 > 0.6) .groupByKey() .map{case (productId,items) => ProductRecs(productId,items.toList.map(x => Recommendation(x._1,x._2))) }.toDF()productRecs .write .option("uri", mongoConfig.uri) .option("collection",PRODUCT_RECS) .mode("overwrite") .format("com.mongodb.spark.sql") .save()其中，consinSim是求两个向量余弦类似度的函数，代码实现如下：
//计算两个商品之间的余弦类似度def consinSim(product1: DoubleMatrix, product2:DoubleMatrix): Double ={ product1.dot(product2) / ( product1.norm2() * product2.norm2() )}在上述模型训练的过程中，咱们间接给定了隐语义模型的rank,iterations,lambda三个参数。对于咱们的模型，这并不一定是最优的参数选取，所以咱们须要对模型进行评估。通常的做法是计算均方根误差（RMSE），考查预测评分与理论评分之间的误差。
举荐算法！基于隐语义模型的协同过滤举荐之商品类似度矩阵
有了RMSE，咱们能够就能够通过屡次调整参数值，来选取RMSE最小的一组作为咱们模型的优化抉择。
在scala/com.atguigu.offline/下新建单例对象ALSTrainer，代码主体架构如下：
def main(args: Array[String]): Unit = { val config = Map( "spark.cores" -> "local[*]", "mongo.uri" -> "mongodb://localhost:27017/recommender", "mongo.db" -> "recommender" ) //创立SparkConf val sparkConf = new SparkConf().setAppName("ALSTrainer").setMaster(config("spark.cores")) //创立SparkSession val spark = SparkSession.builder().config(sparkConf).getOrCreate() val mongoConfig = MongoConfig(config("mongo.uri"),config("mongo.db")) import spark.implicits._ //加载评分数据 val ratingRDD = spark .read .option("uri",mongoConfig.uri) .option("collection",OfflineRecommender.MONGODB_RATING_COLLECTION) .format("com.mongodb.spark.sql") .load() .as[ProductRating] .rdd .map(rating => Rating(rating.userId,rating.productId,rating.score)).cache() // 将一个RDD随机切分成两个RDD，用以划分训练集和测试集 val splits = ratingRDD.randomSplit(Array(0.8, 0.2)) val trainingRDD = splits(0) val testingRDD = splits(1) //输入最优参数 adjustALSParams(trainingRDD, testingRDD) //敞开Spark spark.close()}其中adjustALSParams办法是模型评估的外围，输出一组训练数据和测试数据，输入计算失去最小RMSE的那组参数。代码实现如下：
//输入最终的最优参数def adjustALSParams(trainData:RDD[Rating], testData:RDD[Rating]): Unit ={//这里指定迭代次数为5，rank和lambda在几个值中选取调整 val result = for(rank <- Array(100,200,250); lambda <- Array(1, 0.1, 0.01, 0.001)) yield { val model = ALS.train(trainData,rank,5,lambda) val rmse = getRMSE(model, testData) (rank,lambda,rmse) } // 依照rmse排序 println(result.sortBy(_._3).head)}计算RMSE的函数getRMSE代码实现如下：def getRMSE(model:MatrixFactorizationModel, data:RDD[Rating]):Double={ val userProducts = data.map(item => (item.user,item.product)) val predictRating = model.predict(userProducts)val real = data.map(item => ((item.user,item.product),item.rating)) val predict = predictRating.map(item => ((item.user,item.product),item.rating)) // 计算RMSE sqrt( real.join(predict).map{case ((userId,productId),(real,pre))=> // 实在值和预测值之间的差 val err = real - pre err * err }.mean() )}运行代码，咱们就能够失去目前数据的最优模型参数。
关键词：大数据培训