Apache spark 返回已关注项的Spark ML ALS推荐算法

Spark ML推荐替代最小二乘算法的实现产生了一个模型，该模型可应用于已观看的项目（training.itemCol，对于观看的电影，在下面的示例中），以便推荐新项目（movieRecs）。该方法如何可能作为结果的一部分（userRecs）返回已关注的（非新）项

---

所有

推荐给所有用户（）


获取培训时学习的用户块和项目块（及其向量嵌入）
计算用户和项目块的交叉连接
计算嵌入的点积
根据dot product的值，为每个用户选择top
n
产品

在上述过程中，交叉连接拓宽了用户项目空间。因为模型是用这些项目（观看的电影）训练的，所以他们的dot产品总是很重要的。因此，在培训时为用户显示的项目在为同一用户推荐时显示。
All
recommendForAllUsers（）


获取培训时学习的用户块和项目块（及其向量嵌入）
计算用户和项目块的交叉连接
计算嵌入的点积
根据dot product的值，为每个用户选择top
n
产品

在上述过程中，交叉连接拓宽了用户项目空间。因为模型是用这些项目（观看的电影）训练的，所以他们的dot产品总是很重要的。因此，在训练时为用户出现的项目在为同一用户推荐时出现

als = ALS(maxIter=5, regParam=0.01, userCol="userId", itemCol="movieId", ratingCol="rating",
          coldStartStrategy="drop")

model = als.fit(training)

userRecs = model.recommendForAllUsers(10)