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

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df_data = pd.DataFrame([
  8.     [1, 1, 0.6],
  9.     [2, 2, 0.8],
  10.     [2, 3, 0.6],
  11.     [4, 1, 0.6],
  12.     [4, 2, 0.3],
  13.     [4, 3, 0.4],
  14. ])
  16. data = BatchOperator.fromDataframe(df_data, schemaStr='user bigint, item bigint, rating double')
  18. als = AlsTrainBatchOp().setUserCol("user").setItemCol("item").setRateCol("rating") \
  19.     .setNumIter(10).setRank(10).setLambda(0.01)
  20. predictor = AlsRateRecommBatchOp()\
  21.     .setUserCol("user").setItemCol("item").setRecommCol("predicted_rating")
  23. model = als.linkFrom(data)
  24. predictor.linkFrom(model, data).print()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.recommendation.AlsRateRecommBatchOp;
  5. import com.alibaba.alink.operator.batch.recommendation.AlsTrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import org.junit.Test;
  9. import java.util.Arrays;
  10. import java.util.List;
  12. public class AlsRateRecommBatchOpTest {
  13.     @Test
  14.     public void testAlsRateRecommBatchOp() throws Exception {
  15.         List <Row> df_data = Arrays.asList(
  16.             Row.of(1, 1, 0.6),
  17.             Row.of(2, 2, 0.8),
  18.             Row.of(2, 3, 0.6),
  19.             Row.of(4, 1, 0.6),
  20.             Row.of(4, 2, 0.3),
  21.             Row.of(4, 3, 0.4)
  22.         );
  23.         BatchOperator <?> data = new MemSourceBatchOp(df_data, "user int, item int, rating double");
  24.         BatchOperator <?> als = new AlsTrainBatchOp().setUserCol("user").setItemCol("item").setRateCol("rating")
  25.             .setNumIter(10).setRank(10).setLambda(0.01);
  26.         BatchOperator <?> predictor = new AlsRateRecommBatchOp()
  27.             .setUserCol("user").setItemCol("item").setRecommCol("predicted_rating");
  28.         BatchOperator model = als.linkFrom(data);
  29.         predictor.linkFrom(model, data).print();
  30.     }
  31. }

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 |