Apache spark Spark ALS-WR为所有用户提供相同的推荐项目

我们正试图为一家拥有多种商品类型（从快速移动的杂货店到低移动的电子商品）的超市建立一个推荐系统。有些物品的购买频率较高，但有些物品只购买一次

我们有4个月的采购历史数据，来自100多个部门的25000多个客户和30000多个SKU。我们在Spark中运行ALS-WR以生成建议。令我们惊讶的是，我们收到了针对每位客户的前15条建议，非常通用，没有太多变化

我们已经尝试了多种方法，使建议多样化，如下-
-计算的“评级”=标准化的购买量
-计算的“评级”=购买记录
-计算的“评级”=1（如果购买>1）
-我们使用了以下参数组合-lambda=0.01到300，alpha=5到50，秩=10,20,30和#of iterations=10,20
-所考虑的偏好是明确的

---

您认为ALS可以用于这种异构数据吗？如果是，哪些修改将使建议多样化和个性化？

您应该将其发布在或上。编程问题也是如此，它实际上不是一个问题。在数据科学中添加了额外的标记，您应该将其发布在或上。编程问题也是如此，但它实际上不是一个问题。在数据科学中也添加了额外的标记