Spark学习(五):协同过滤

因为一直在搞算法开发,所以还是对算法比较感兴趣,学习Spark的过程,也顺带练习一下自己没用过的小算法。没有Java经验,没有Hadoop经验,没有SQL经验,对一些运行机制的理解还是不深,系统学习太枯燥,通过例程慢慢感悟吧!这次的参考书目是《Spark MLlib机器学习实践》,这本书也很好,没有太深奥的理论和繁琐的解释,有很多实用小程序,初学者上手很棒!

之前做相似度用的比较多的是欧式距离,余弦相似性也是相似度的一种度量,更适合稀疏数据,经常应用于协同过滤算法中。具体公式很简单,随便查一查好了。代码如下:

import org.apache.spark.SparkContext
import org.apache.spark.SparkContext._
import org.apache.spark.SparkConf
import scala.collection.mutable.Map

object collaborativeFilter {
  val conf = new SparkConf().setAppName("collaborativeFilter").setMaster("local")
  val sc = new SparkContext(conf)
  val users = sc.parallelize(Array("Rami Said Malek", "Olivia Colman", "Mahershala Ali", "Regina King", "Brian"))  // 用户名
  val films = sc.parallelize(Array("Green Book","Roma", "Bohemian Rhapsody", "The Favourite", "BlacKkKlansman"))  // 电影名
  val source = Map[String, Map[String, Int]]()  // 第一个String为用户名,嵌套的Map为电影名和打分值的存储
  val filmSource = Map[String, Int]()  // 电影名和分值的存储

  def getSource : Map[String, Map[String, Int]] = {
    val user1FilmSource = Map("Green Book" -> 2, "Roma" -> 3, "Bohemian Rhapsody" -> 1, "The Favourite" -> 0, "BlacKkKlansman" -> 1)
    val user2FilmSource = Map("Green Book" -> 1, "Roma" -> 2, "Bohemian Rhapsody" -> 2, "The Favourite" -> 1, "BlacKkKlansman" -> 4)
    val user3FilmSource = Map("Green Book" -> 2, "Roma" -> 1, "Bohemian Rhapsody" -> 0, "The Favourite" -> 1, "BlacKkKlansman" -> 4)
    val user4FilmSource = Map("Green Book" -> 3, "Roma" -> 2, "Bohemian Rhapsody" -> 0, "The Favourite" -> 5, "BlacKkKlansman" -> 3)
    val user5FilmSource = Map("Green Book" -> 5, "Roma" -> 3, "Bohemian Rhapsody" -> 1, "The Favourite" -> 1, "BlacKkKlansman" -> 2)
    source += ("Rami Said Malek" -> user1FilmSource)
    source += ("Olivia Colman" -> user2FilmSource)
    source += ("Mahershala Ali" -> user3FilmSource)
    source += ("Regina King" -> user4FilmSource)
    source += ("Brian" -> user5FilmSource)
    source
  }
  // 两两计算分值,采用余弦相似性
  def getCollaborateSource(user1: String, user2: String): Double = {
    val user1FlimSource = source.get(user1).get.values.toVector  // 获得第一个用户评分
    val user2FlimSource = source.get(user2).get.values.toVector  // 获得第二个用户评分
    // 对余弦相似度公式分子部分进行计算
    val member = user1FlimSource.zip(user2FlimSource).map(d => d._1 * d._2).reduce(_ + _).toDouble
    // 对余弦相似度公式分母部分进行计算
    val temp1 = math.sqrt(user1FlimSource.map(num => {
      math.pow(num, 2)
    }).reduce(_ + _))
    val temp2 = math.sqrt(user2FlimSource.map(num => {
      math.pow(num, 2)
    }).reduce(_ + _))
    val denominator = temp1 * temp2
    member / denominator
  }

  def main(args: Array[String]): Unit = {
    getSource
    val name = "Brian"
    users.foreach(user => {println(name + "相对于" + user + "的相似性分数是:" + getCollaborateSource(name, user))})
  }
}

输出结果:

Brian相对于Rami Said Malek的相似性分数是:0.8981462390204985
Brian相对于Olivia Colman的相似性分数是:0.6821910402406466
Brian相对于Mahershala Ali的相似性分数是:0.7416198487095662
Brian相对于Regina King的相似性分数是:0.738024966423108
Brian相对于Brian的相似性分数是:0.9999999999999998
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,607评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,047评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,496评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,405评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,400评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,479评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,883评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,535评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,743评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,544评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,612评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,309评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,881评论 3 306
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,891评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,136评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,783评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,316评论 2 342

推荐阅读更多精彩内容