Apache spark 如何提高我的推荐结果？我用的是spark

首先，我有一些用户应用程序的使用历史

例如：
用户1、应用程序1、3（启动时间）
user2，app2，2（启动时间）
用户3，应用程序1，1（启动时间）

我基本上有两个要求：

为每个用户推荐一些应用程序

为每个应用推荐类似的应用 所以我在spark上使用MLLib的ALS（隐式）来实现它。首先，我只是使用原始数据来训练模型。结果很糟糕。我认为这可能是由发射时间范围造成的。发射时间从1到数千。所以我处理原始数据。我认为分数能反映真实情况，更加正规化

分数=lt/uMlt+lt/aMlt

分数是训练模型的过程结果。
它是原始数据中的启动时间。
uMlt是原始数据中用户的平均启动时间。uMlt（用户的所有启动时间）/（该用户曾经启动过的应用程序数量）
aMlt是原始数据中应用程序的平均启动时间。aMlt（应用程序的所有启动时间）/（曾经启动此应用程序的用户数）
下面是一些处理后的数据示例

评级（9578820992,0.14167073369026184）
评级（9869620992,5.92363166809082）
评级（16002011264,2.26153850554199）
评级（6790411264,2.26153850554199）
评级（26843011264,0.13846154510974884）
评级（20136911264,1.7999959523162842）
评级（18085711264,2.2720916271209717）
评级（21769211264,1.369230747229004）
评级（18627428672,2.4250855445861816）
评级（12082028672,0.4422124922275543）
评级（22114628672,1.0074234008789062）

在我完成这项工作后，聚合具有不同包名的应用程序，结果似乎更好。但仍然不够好。
我发现用户和产品的特性非常小，而且大多数都是负面的

以下是3行产品功能示例，每行10个尺寸：

（（-4.798973236574966E-7，-7.641608021913271E-7,6.04085240492017E-7,2.82689171626771E-7,2.82689171626771E-7，-4.255948056197667E-7,1.815822798789686E-7,5.0000471167413868E-7,2.02206664654134E-7,6.3867634082E-28927E-7]，<2892727 （（-4.769295992446132E-5，-1.7072002810891718E-4,2.1351299074012786E-4,1.6345139010809362E-4，-1.4456869394052774E-4,2.3657752899453044E-4，-4.508546771830879E-5,2.08951858286378E-4,2.968782797852E-4,1.948453E-4））< （（CompactBuffer（com.tern.rest.pron）），（-1.219763362314552E-5，-2.8371430744300596E-5,2.9869115678593516E-5,2.074762347275764E-5，-2.05554715648875916E-5,2.63292938765144E-5,2.934047643066151E-6,2.296348611707799E-5,3.807561370948896E-5,1.2197551625E-5））

以下是用户功能的3行示例，每行10个维度：

（96768，（-0.0010857731103897095，-0.001926362863741815,0.0013726564357057214,6.345533765852451E-4，-9.04880813329613E-4，-4.1544197301846E-5,0.001442175940104684，-9.77902309386991E-5,0.001035551307229261，--0.001787825133881079））
（97280，（-0.0022841691970825195，-0.0017134940717369318,0.0010273650988707378,9.4370559828877E-4，-0.0011165080359205604,0.0017137592658400536,9.713359759189188E-4,8.947265450842679E-4,0.0014328152174130082，-.7389045832868E-4））
（97792，（-0.0017802991205826402，-0.003464450128376484,0.002837196458131075,0.00157256932057724，-0.0018932095263153315,9.185600210912526E-4,0.00189719546243548,7.2504504350944535E-4,0.0027060359716415405，-.0017731896488419））

所以你们可以想象，当我得到特征向量的点积来计算用户项矩阵的值时，会有多小

我的问题是：

有没有其他方法可以改善推荐结果

我的特征看起来是对的，还是出了什么问题

我处理原始启动时间（转换为分数）的方法正确吗 我在这里放了一些代码。这绝对是一个程序问题。但也许几行代码无法解决这个问题

val model = ALS.trainImplicit(ratings, rank, iterations, lambda, alpha)
print("recommendForAllUser")
val userTopKRdd = recommendForAllUser(model, topN).join(userData.map(x => (x._2._1, x._1))).map {
  case (uid, (appArray, mac)) => {
    (mac, appArray.map {
      case (appId, rating) => {
        val packageName = appIdPriorityPackageNameDict.value.getOrElse(appId, Constants.PLACEHOLDER)
        (packageName, rating)
      }
    })
  }
}
HbaseWriter.writeRddToHbase(userTopKRdd, "user_top100_recommendation", (x: (String, Array[(String, Double)])) => {
  val mac = x._1
  val products = x._2.map {
    case (packageName, rating) => packageName + "=" + rating
  }.mkString(",")
  val putMap = Map("apps" -> products)
  (new ImmutableBytesWritable(), Utils.getHbasePutByMap(mac, putMap))
})

print("recommendSimilarApp")
println("productFeatures ******")
model.productFeatures.take(1000).map{
  case (appId, features) => {
    val packageNameList = appIdPackageNameListDict.value.get(appId)
    val packageNameListStr = if (packageNameList.isDefined) {
      packageNameList.mkString("(", ",", ")")
    } else {
      "Unknow List"
    }
    (packageNameListStr, features.mkString("(", ",", ")"))
  }
}.foreach(println)
println("productFeatures ******")
model.userFeatures.take(1000).map{
  case (userId, features) => {
    (userId, features.mkString("(", ",", ")"))
  }
}.foreach(println)
val similarAppRdd = recommendSimilarApp(model, topN).flatMap {
  case (appId, similarAppArray) => {
    val groupedAppList = appIdPackageNameListDict.value.get(appId)
    if (groupedAppList.isDefined) {
      val similarPackageList = similarAppArray.map {
        case (destAppId, rating) => (appIdPriorityPackageNameDict.value.getOrElse(destAppId, Constants.PLACEHOLDER), rating)
      }
      groupedAppList.get.map(packageName => {
        (packageName, similarPackageList)
      })
    } else {
      None
    }
  }
}
HbaseWriter.writeRddToHbase(similarAppRdd, "similar_app_top100_recommendation", (x: (String, Array[(String, Double)])) => {
  val packageName = x._1
  val products = x._2.map {
    case (packageName, rating) => packageName + "=" + rating
  }.mkString(",")
  val putMap = Map("apps" -> products)
  (new ImmutableBytesWritable(), Utils.getHbasePutByMap(packageName, putMap))
})  

更新：
读了这篇论文后，我发现了一些关于我的数据的新东西（“隐性反馈数据集的协作过滤”）。与本文中描述的IPTV数据集相比，我的数据过于稀疏

论文：30万（用户）17000（产品）3200万（数据）
矿山：30万（用户）31000（产品）70万（数据）

因此，论文数据集中的用户项目矩阵已填充为0.00627=（32000000/300000/17000）。我的数据集的比率是0.0000033。我认为这意味着我的用户项目矩阵比报纸的稀疏2000倍。

---

这会导致坏结果吗？有什么办法可以改进吗？

有两件事你应该试试：

标准化数据，使每个用户向量的平均值和单位方差为零。这是许多机器学习中的常见步骤。它有助于减少异常值的影响，这些异常值会导致您看到的值接近零

删除只有一个应用程序的所有用户。你从这些用户身上学到的唯一一件事就是应用程序分数的“平均”值稍微好一点。但是，它们不会帮助你学习任何有意义的关系，这才是你真正想要的

---

从模型中删除用户后，通过提供用户ID，您将无法直接从模型中获取该用户的推荐。但是，他们仍然只有一个应用程序评级。因此，您可以在产品矩阵上运行KNN搜索，以查找与用户apps=recommendations最相似的应用程序。

您的问题是否有任何更新？我有一个类似的问题。为什么要删除只有一个应用程序的用户？不理解你的理性只有一个应用程序的用户（标准化后，如上所述）将有100%或一列的最大值，所有其他列的条目将为0。这不会