将每个RDD值与scala中RDD中的所有其他值配对
我试图将RDD中的每个值与同一RDD的所有其他值配对。但我无法找到一个合适的解决方案 RDD:下图表示RDD数据,配对为->(UserId,MovieName::Rating) 我想将每个用户的moviename和分级配对如下: 从上图中可以看出:将每个RDD值与scala中RDD中的所有其他值配对,scala,apache-spark,Scala,Apache Spark,我试图将RDD中的每个值与同一RDD的所有其他值配对。但我无法找到一个合适的解决方案 RDD:下图表示RDD数据,配对为->(UserId,MovieName::Rating) 我想将每个用户的moviename和分级配对如下: 从上图中可以看出: 用户1额定爱迪生Kinetoscopy。。作为10次出击和10次出击。。。同于10 用户2在到达时评级。。如8所示,勒马诺尔。。同于7,爱迪生动态显微镜。。如7等 因此,输出应该是 **key**: (Edison Kinetoscopic,La
- 用户1额定<强>爱迪生Kinetoscopy。。作为10次出击和10次出击。。。同于10
- 用户2在到达时评级。。如8所示,勒马诺尔。。同于7,爱迪生动态显微镜。。如7等
**key**: (Edison Kinetoscopic,La sortie des)
**Value** : (10,10), (7,8) -> Since user 1 and user two rated these two movies
**Key**: (The Arrival, Le manoir)
**value**: (8,7) -> only user-2 rated these two movies.
非常感谢您的帮助。如果您正在尝试构建推荐系统,或者计算电影相似性,那么一定有更好的方法来做到这一点 但是,要解决您的问题,您可以执行以下操作:
val rdd = sc.parallelize(List(
(1,"Edison", 10),
(1,"La sortie", 10),
(2,"The Arrival", 8),
(2,"Le manoir", 7),
(2,"Edison", 7),
(2,"La sortie", 8),
(2,"Le voyage", 8),
(2,"The Great", 7)
))
// first group user movies
val pairings = rdd.map{case (user,movie,rating) => (user, List((movie,rating)))}.reduceByKey(_++_)
// then get all pairs for each user
val allPairs = pairings.flatMap{case (user, movieRatings) => (1 until movieRatings.length).flatMap(i => movieRatings.zip(movieRatings drop i))}
// re-structure pairings into format we want
val finalPairing = allPairs.map{case ((m1,r1),(m2,r2)) => m1.compareTo(m2) match {case -1 => ((m1,m2),List((r1,r2))); case _ => ((m2,m1),List((r2,r1)))}}.
// group by pairings
val groupByPair = finalPairing.reduceByKey(_++_)
// look at our pairings
pairings.take(100).foreach(println)
需要使用
compareTo
来确保电影在元组中以相同的顺序出现,从而可以进行分组。为每个用户获取电影的动力集似乎很昂贵。如果你只按每部电影分组,你确定你不能做你想做的吗?这个(我想是一个协作过滤推荐系统)的目标是什么?@vefthym是对的。计算所有对是一个相当昂贵的操作。@vefthym我知道这个操作相当昂贵,尤其是在处理大数据时。但我用相关值来推荐电影。因此,我认为我必须对每个用户的电影和评级进行配对。不幸的是,这个解决方案无法扩展。我认为该解决方案可以像所描述问题的任何解决方案一样扩展。断点当然是当数据集中出现两部流行电影时,我们在map函数中得到密集作业。其实,我认为这个问题可能不是解决另一个问题的正确方法。如果它是一个推荐者,我会看看ALS,例如:)@BenHorsburgh。您是对的,与此配对相比,使用协同过滤和ALS算法是处理此类问题的更好方法。因为我试图使用相关值来解决这个问题,所以我需要生成电影和评级对。谢谢你的解决方案