Python Spark'中的协同过滤；s MLLib，是否需要一个（int）作为用户ID？

我一直在Spark的MLLib中使用隐式协同过滤ALS算法

我的数据采用以下格式（第一列是用户，第二列是项目，第三列是隐含的购买）：

我在处理代码时遇到的问题是，它需要使用Rating类，该类需要以下格式的输入：

Rating, (int(self.user), int(self.product), float(self.rating))

因此，当我尝试创建模型时，我收到一个错误，因为我无法将User和Item的字符串转换为int。是否有其他选项可以避免使用Ratings类或修改以不需要int

from pyspark.mllib.recommendation import ALS, MatrixFactorizationModel, Rating
data = sc.textFile("test.csv")

ratings = data.map(lambda l: l.split(','))\
              .map(lambda l: Rating(l[0], l[1], float(l[2])))

# Build the recommendation model using Alternating Least Squares
rank = 10
numIterations = 10
alpha = 0.01
model = ALS.trainImplicit(ratings, rank, numIterations, alpha)

---

评级需要整数，所以我只需要将用户和项目转换为整数。当你创建你的评级时，进行一些转换，它应该会起作用

我看不出有任何问题，如果每个用户和产品都不同，那么您可以创建一个

字典

或一个

列表

，其中包含真实的

id

和新的独特的

int

id，对于每个产品和用户。您的两个

映射

转换只能由one@AlbertoBonsanto-用户和项目将在dataset@jKraut您最终是如何解决这个问题的？@jKraut除了创建自己的字典以将字符串值映射到唯一的int之外，还有其他内置方法吗？

from pyspark.mllib.recommendation import ALS, MatrixFactorizationModel, Rating
data = sc.textFile("test.csv")

ratings = data.map(lambda l: l.split(','))\
              .map(lambda l: Rating(l[0], l[1], float(l[2])))

# Build the recommendation model using Alternating Least Squares
rank = 10
numIterations = 10
alpha = 0.01
model = ALS.trainImplicit(ratings, rank, numIterations, alpha)