predictionIO E-Commerce Recommendation 源码分析

Algorithm 类

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274

@Override      public  Model train(SparkContext sc, PreparedData preparedData) {          TrainingData data = preparedData.getTrainingData();            //模型训练                    //建立用户索引          JavaPairRDD<String, Integer> userIndexRDD = data.getUsers().map( new  Function<Tuple2<String, User>, String>() {              @Override              public  String call(Tuple2<String, User> idUser)  throws  Exception {                  return  idUser._1();              }          }).zipWithIndex().mapToPair( new  PairFunction<Tuple2<String, Long>, String, Integer>() {              @Override              public  Tuple2<String, Integer> call(Tuple2<String, Long> element)  throws  Exception {                  return  new  Tuple2<>(element._1(), element._2().intValue());              }          });          //变成java的map对象          final  Map<String, Integer> userIndexMap = userIndexRDD.collectAsMap();                    //最终变成 u1->1, u2->2                                         //建立商品索引          JavaPairRDD<String, Integer> itemIndexRDD = data.getItems().map( new  Function<Tuple2<String, Item>, String>() {              @Override              public  String call(Tuple2<String, Item> idItem)  throws  Exception {                  return  idItem._1();              }          }).zipWithIndex().mapToPair( new  PairFunction<Tuple2<String, Long>, String, Integer>() {              @Override              public  Tuple2<String, Integer> call(Tuple2<String, Long> element)  throws  Exception {                  return  new  Tuple2<>(element._1(), element._2().intValue());              }          });          //最终变成 i1->1, i2->2               final  Map<String, Integer> itemIndexMap = itemIndexRDD.collectAsMap();          JavaPairRDD<Integer, String> indexItemRDD = itemIndexRDD.mapToPair( new  PairFunction<Tuple2<String, Integer>, Integer, String>() {              @Override              public  Tuple2<Integer, String> call(Tuple2<String, Integer> element)  throws  Exception {                  return  element.swap();              }          });                    //索引反转，便于日后根据序号ID找商品          final  Map<Integer, String> indexItemMap = indexItemRDD.collectAsMap();                              //建立评分索引          JavaRDD<Rating> ratings = data.getViewEvents().mapToPair( new  PairFunction<UserItemEvent, Tuple2<Integer, Integer>, Integer>() {              @Override              public  Tuple2<Tuple2<Integer, Integer>, Integer> call(UserItemEvent viewEvent)  throws  Exception {                  Integer userIndex = userIndexMap.get(viewEvent.getUser());                  Integer itemIndex = itemIndexMap.get(viewEvent.getItem());                    return  (userIndex ==  null  || itemIndex ==  null ) ?  null  :  new  Tuple2<>( new  Tuple2<>(userIndex, itemIndex),  1 );              }          }).filter( new  Function<Tuple2<Tuple2<Integer, Integer>, Integer>, Boolean>() {              @Override              public  Boolean call(Tuple2<Tuple2<Integer, Integer>, Integer> element)  throws  Exception {                  return  (element !=  null );              }          }).reduceByKey( new  Function2<Integer, Integer, Integer>() {              @Override              public  Integer call(Integer integer, Integer integer2)  throws  Exception {                  return  integer + integer2;              }          }).map( new  Function<Tuple2<Tuple2<Integer, Integer>, Integer>, Rating>() {              @Override              public  Rating call(Tuple2<Tuple2<Integer, Integer>, Integer> userItemCount)  throws  Exception {                  return  new  Rating(userItemCount._1()._1(), userItemCount._1()._2(), userItemCount._2().doubleValue());              }          });          //最终变成 （u1，i1）->1  (u1,i2)->2                              // 调用MLlib ALS 算法          MatrixFactorizationModel matrixFactorizationModel = ALS.trainImplicit(JavaRDD.toRDD(ratings), ap.getRank(), ap.getIteration(), ap.getLambda(), - 1 ,  1.0 , ap.getSeed());          JavaPairRDD<Integer,  double []> userFeatures = matrixFactorizationModel.userFeatures().toJavaRDD().mapToPair( new  PairFunction<Tuple2<Object,  double []>, Integer,  double []>() {              @Override              public  Tuple2<Integer,  double []> call(Tuple2<Object,  double []> element)  throws  Exception {                  return  new  Tuple2<>((Integer) element._1(), element._2());              }          }); //返回基于用户维度的矩阵          JavaPairRDD<Integer,  double []> productFeaturesRDD = matrixFactorizationModel.productFeatures().toJavaRDD().mapToPair( new  PairFunction<Tuple2<Object,  double []>, Integer,  double []>() {              @Override              public  Tuple2<Integer,  double []> call(Tuple2<Object,  double []> element)  throws  Exception {                  return  new  Tuple2<>((Integer) element._1(), element._2());              }          }); //返回基于商品维度的矩阵                     // 当遇到冷启动时，推荐最流行的商品，此数据来源于用户购买的记录          JavaRDD<ItemScore> itemPopularityScore = data.getBuyEvents().mapToPair( new  PairFunction<UserItemEvent, Tuple2<Integer, Integer>, Integer>() {              @Override              public  Tuple2<Tuple2<Integer, Integer>, Integer> call(UserItemEvent buyEvent)  throws  Exception {                  Integer userIndex = userIndexMap.get(buyEvent.getUser());                  Integer itemIndex = itemIndexMap.get(buyEvent.getItem());                    return  (userIndex ==  null  || itemIndex ==  null ) ?  null  :  new  Tuple2<>( new  Tuple2<>(userIndex, itemIndex),  1 );              }          }).filter( new  Function<Tuple2<Tuple2<Integer, Integer>, Integer>, Boolean>() {              @Override              public  Boolean call(Tuple2<Tuple2<Integer, Integer>, Integer> element)  throws  Exception {                  return  (element !=  null );              }          }).mapToPair( new  PairFunction<Tuple2<Tuple2<Integer, Integer>, Integer>, Integer, Integer>() {              @Override              public  Tuple2<Integer, Integer> call(Tuple2<Tuple2<Integer, Integer>, Integer> element)  throws  Exception {                  return  new  Tuple2<>(element._1()._2(), element._2());              }          }).reduceByKey( new  Function2<Integer, Integer, Integer>() {              @Override              public  Integer call(Integer integer, Integer integer2)  throws  Exception {                  return  integer + integer2;              }          }).map( new  Function<Tuple2<Integer, Integer>, ItemScore>() {              @Override              public  ItemScore call(Tuple2<Integer, Integer> element)  throws  Exception {                  return  new  ItemScore(indexItemMap.get(element._1()), element._2().doubleValue());              }          });          //最终变成 i1->1  i2->2                     //生成最终的商品维度矩阵           JavaPairRDD<Integer, Tuple2<String,  double []>> indexItemFeatures = indexItemRDD.join(productFeaturesRDD);                      //训练结束          return  new  Model(userFeatures, indexItemFeatures, userIndexRDD, itemIndexRDD, itemPopularityScore, data.getItems().collectAsMap(),buyItemForUser);      }                  //推荐算法       @Override      public  PredictedResult predict(Model model,  final  Query query) {          final  JavaPairRDD<String, Integer> matchedUser = model.getUserIndex().filter( new  Function<Tuple2<String, Integer>, Boolean>() {              @Override              public  Boolean call(Tuple2<String, Integer> userIndex)  throws  Exception {                  return  userIndex._1().equals(query.getUserEntityId());              }          }); //找到要推荐给某用户的用户索引数据            double [] userFeature =  null ;          if  (!matchedUser.isEmpty()) { //如果能找到该用户索引              final  Integer matchedUserIndex = matchedUser.first()._2(); //返回用户的序号              userFeature = model.getUserFeatures().filter( new  Function<Tuple2<Integer,  double []>, Boolean>() {                  @Override                  public  Boolean call(Tuple2<Integer,  double []> element)  throws  Exception {                      return  element._1().equals(matchedUserIndex);                  }              }).first()._2(); //返回用户维度的矩阵，并且取第一条          }            if  (userFeature !=  null ) { //如果有用户维度的数据，走正常的推荐              return  new  PredictedResult(topItemsForUser(userFeature, model, query));          }  else  {              List< double []> recentProductFeatures = getRecentProductFeatures(query, model); //返回该用户最近点击的商品              if  (recentProductFeatures.isEmpty()) { //推最流行的商品                  return  new  PredictedResult(mostPopularItems(model, query));              }  else  { //走相似推荐                  return  new  PredictedResult(similarItems(recentProductFeatures, model, query));              }          }      }            //正常推荐流程      private  List<ItemScore> topItemsForUser( double [] userFeature, Model model, Query query) {          //转成用户维度的矩阵          final  DoubleMatrix userMatrix =  new  DoubleMatrix(userFeature);            JavaRDD<ItemScore> itemScores = model.getIndexItemFeatures().map( new  Function<Tuple2<Integer, Tuple2<String,  double []>>, ItemScore>() {              @Override              public  ItemScore call(Tuple2<Integer, Tuple2<String,  double []>> element)  throws  Exception {                  return  new  ItemScore(element._2()._1(), userMatrix.dot( new  DoubleMatrix(element._2()._2())));              }          }); //用户维度的矩阵乘以商品维度的矩阵，将来根据得分高低，以此推荐            //过滤一些商品，比如黑名单，或者根据商品属性进行过滤          itemScores = validScores(itemScores, query.getWhitelist(), query.getBlacklist(), query.getCategories(), model.getItems(), query.getUserEntityId());          //排序，并取前几位，推荐出来          List<ItemScore> result= sortAndTake(itemScores, query.getNumber());                             return  result;      }            //推荐最流程的商品，最流行的商品在训练模型时，已经预置       private  List<ItemScore> mostPopularItems(Model model, Query query) {          JavaRDD<ItemScore> itemScores = validScores(model.getItemPopularityScore(), query.getWhitelist(), query.getBlacklist(), query.getCategories(), model.getItems(), query.getUserEntityId());          return  sortAndTake(itemScores, query.getNumber());      }             //相似推荐，找到该用户最近浏览的商品       private  List< double []> getRecentProductFeatures(Query query, Model model) {          try  {              List< double []> result =  new  ArrayList<>();              //根据用户id，找该用户发生的事件（查看商品记录）              List<Event> events = LJavaEventStore.findByEntity(                      ap.getAppName(),                      "user" ,                      query.getUserEntityId(),                      OptionHelper.<String>none(),                      OptionHelper.some(ap.getSimilarItemEvents()),                      OptionHelper.some(OptionHelper.some( "item" )),                      OptionHelper.<Option<String>>none(),                      OptionHelper.<DateTime>none(),                      OptionHelper.<DateTime>none(),                      OptionHelper.some( 10 ),                      true ,                      Duration.apply( 10 , TimeUnit.SECONDS));                for  ( final  Event event : events) {                  if  (event.targetEntityId().isDefined()) {                      JavaPairRDD<String, Integer> filtered = model.getItemIndex().filter( new  Function<Tuple2<String, Integer>, Boolean>() {                          @Override                          public  Boolean call(Tuple2<String, Integer> element)  throws  Exception {                              return  element._1().equals(event.targetEntityId().get());                          }                      }); //根据事件ID返回，商品数据                        //返回第一个商品的序号                      final  Integer itemIndex = filtered.first()._2();                        if  (!filtered.isEmpty()) {                            JavaPairRDD<Integer, Tuple2<String,  double []>> indexItemFeatures = model.getIndexItemFeatures().filter( new  Function<Tuple2<Integer, Tuple2<String,  double []>>, Boolean>() {                              @Override                              public  Boolean call(Tuple2<Integer, Tuple2<String,  double []>> element)  throws  Exception {                                  return  itemIndex.equals(element._1());                              } //返回该商品对应的商品维度矩阵                          });                            //转成javalist对象                          List<Tuple2<Integer, Tuple2<String,  double []>>> oneIndexItemFeatures = indexItemFeatures.collect();                          if  (oneIndexItemFeatures.size() >  0 ) {                              result.add(oneIndexItemFeatures.get( 0 )._2()._2()); //返回该商品对应ASL打分矩阵，以此来跟其他的商品打分矩阵，做相似度比较                          }                      }                  }              }                return  result;          }  catch  (Exception e) {              logger.error( "Error reading recent events for user "  + query.getUserEntityId());              throw  new  RuntimeException(e.getMessage(), e);          }      }            //具体的相似算法，根据上一个方法返回的item打分向量来计算       private  List<ItemScore> similarItems( final  List< double []> recentProductFeatures, Model model, Query query) {          JavaRDD<ItemScore> itemScores = model.getIndexItemFeatures().map( new  Function<Tuple2<Integer, Tuple2<String,  double []>>, ItemScore>() {              @Override              public  ItemScore call(Tuple2<Integer, Tuple2<String,  double []>> element)  throws  Exception {                  double  similarity =  0.0 ;                  for  ( double [] recentFeature : recentProductFeatures) {                      similarity += cosineSimilarity(element._2()._2(), recentFeature);                  } //用每一个商品打分矩阵与返回的某一个商品的打分矩阵，做相似度算分                    return  new  ItemScore(element._2()._1(), similarity);              }          });            itemScores = validScores(itemScores, query.getWhitelist(), query.getBlacklist(), query.getCategories(), model.getItems(), query.getUserEntityId());          return  sortAndTake(itemScores, query.getNumber());      }            //如何判断相似       private  double  cosineSimilarity( double [] a,  double [] b) {          DoubleMatrix matrixA =  new  DoubleMatrix(a);          DoubleMatrix matrixB =  new  DoubleMatrix(b);            return  matrixA.dot(matrixB) / (matrixA.norm2() * matrixB.norm2());      }

由此来看该例子还是比较简单，适合用于二次开发。下面是一些基础知识

本文转自whk66668888 51CTO博客，原文链接:http://blog.51cto.com/12597095/1981378