温馨提示×

温馨提示×

您好,登录后才能下订单哦!

密码登录×
登录注册×
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》

Spark怎样实现推荐系统中的相似度算法

发布时间:2021-12-17 09:24:20 来源:亿速云 阅读:107 作者:柒染 栏目:大数据

Spark怎样实现推荐系统中的相似度算法,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

在推荐系统中,协同过滤算法是应用较多的,具体又主要划分为基于用户和基于物品的协同过滤算法,核心点就是基于"一个人"或"一件物品",根据这个人或物品所具有的属性,比如对于人就是性别、年龄、工作、收入、喜好等,找出与这个人或物品相似的人或物,当然实际处理中参考的因子会复杂的多。

下面不介绍相关数学概念,主要给出常用的相似度算法代码实现,并且同一算法有多种实现方式。
欧几里得距离
def euclidean2(v1: Vector, v2: Vector): Double = {    require(v1.size == v2.size, s"SimilarityAlgorithms:Vector dimensions do not match: Dim(v1)=${v1.size} and Dim(v2)" +      s"=${v2.size}.")
   val x = v1.toArray    val y = v2.toArray
   euclidean(x, y)  }
 def euclidean(x: Array[Double], y: Array[Double]): Double = {    require(x.length == y.length, s"SimilarityAlgorithms:Array length do not match: Len(x)=${x.length} and Len(y)" +      s"=${y.length}.")
   math.sqrt(x.zip(y).map(p => p._1 - p._2).map(d => d * d).sum)  }    def euclidean(v1: Vector, v2: Vector): Double = {    val sqdist = Vectors.sqdist(v1, v2)    math.sqrt(sqdist)  }
皮尔逊相关系数
 def pearsonCorrelationSimilarity(arr1: Array[Double], arr2: Array[Double]): Double = {    require(arr1.length == arr2.length, s"SimilarityAlgorithms:Array length do not match: Len(x)=${arr1.length} and Len(y)" +      s"=${arr2.length}.")
   val sum_vec1 = arr1.sum    val sum_vec2 = arr2.sum
   val square_sum_vec1 = arr1.map(x => x * x).sum    val square_sum_vec2 = arr2.map(x => x * x).sum
   val zipVec = arr1.zip(arr2)
   val product = zipVec.map(x => x._1 * x._2).sum    val numerator = product - (sum_vec1 * sum_vec2 / arr1.length)
   val dominator = math.pow((square_sum_vec1 - math.pow(sum_vec1, 2) / arr1.length) * (square_sum_vec2 - math.pow(sum_vec2, 2) / arr2.length), 0.5)    if (dominator == 0) Double.NaN else numerator / (dominator * 1.0)  }

余弦相似度

  /** jblas实现余弦相似度 */  def cosineSimilarity(v1: DoubleMatrix, v2: DoubleMatrix): Double = {    require(x.length == y.length, s"SimilarityAlgorithms:Array length do not match: Len(v1)=${x.length} and Len(v2)" +      s"=${y.length}.")          v1.dot(v2) / (v1.norm2() * v2.norm2())  }  def cosineSimilarity(v1: Vector, v2: Vector): Double = {    require(v1.size == v2.size, s"SimilarityAlgorithms:Vector dimensions do not match: Dim(v1)=${v1.size} and Dim(v2)" +      s"=${v2.size}.")
    val x = v1.toArray    val y = v2.toArray
   cosineSimilarity(x, y)  }
   def cosineSimilarity(x: Array[Double], y: Array[Double]): Double = {    require(x.length == y.length, s"SimilarityAlgorithms:Array length do not match: Len(x)=${x.length} and Len(y)" +      s"=${y.length}.")
    val member = x.zip(y).map(d => d._1 * d._2).sum      val temp1 = math.sqrt(x.map(math.pow(_, 2)).sum)    val temp2 = math.sqrt(y.map(math.pow(_, 2)).sum)
   val denominator = temp1 * temp2    if (denominator == 0) Double.NaN else member / (denominator * 1.0)  }

修正余弦相似度

   def adjustedCosineSimJblas(x: DoubleMatrix, y: DoubleMatrix): Double = {    require(x.length == y.length, s"SimilarityAlgorithms:DoubleMatrix length do not match: Len(x)=${x.length} and Len(y)" +      s"=${y.length}.")
   val avg = (x.sum() + y.sum()) / (x.length + y.length)    val v1 = x.sub(avg)    val v2 = y.sub(avg)    v1.dot(v2) / (v1.norm2() * v2.norm2())  }
 def adjustedCosineSimJblas(x: Array[Double], y: Array[Double]): Double = {    require(x.length == y.length, s"SimilarityAlgorithms:Array length do not match: Len(x)=${x.length} and Len(y)" +      s"=${y.length}.")
   val v1 = new DoubleMatrix(x)    val v2 = new DoubleMatrix(y)
   adjustedCosineSimJblas(v1, v2)  }    def adjustedCosineSimilarity(v1: Vector, v2: Vector): Double = {    require(v1.size == v2.size, s"SimilarityAlgorithms:Vector dimensions do not match: Dim(v1)=${v1.size} and Dim(v2)" +      s"=${v2.size}.")    val x = v1.toArray    val y = v2.toArray
   adjustedCosineSimilarity(x, y)  }
 def adjustedCosineSimilarity(x: Array[Double], y: Array[Double]): Double = {    require(x.length == y.length, s"SimilarityAlgorithms:Array length do not match: Len(x)=${x.length} and Len(y)" +      s"=${y.length}.")
   val avg = (x.sum + y.sum) / (x.length + y.length)
    val member = x.map(_ - avg).zip(y.map(_ - avg)).map(d => d._1 * d._2).sum
   val temp1 = math.sqrt(x.map(num => math.pow(num - avg, 2)).sum)    val temp2 = math.sqrt(y.map(num => math.pow(num - avg, 2)).sum)
   val denominator = temp1 * temp2    if (denominator == 0) Double.NaN else member / (denominator * 1.0)  }

大家如果在实际业务处理中有相关需求,可以根据实际场景对上述代码进行优化或改造,当然很多算法框架提供的一些算法是对这些相似度算法的封装,底层还是依赖于这一套,也能帮助大家做更好的了解。比如Spark MLlib在KMeans算法实现中,底层对欧几里得距离的计算实现。

关于Spark怎样实现推荐系统中的相似度算法问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注亿速云行业资讯频道了解更多相关知识。

向AI问一下细节

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

AI