के लिए स्पार्क मैट्रिक्स फैक्टोरिज़ेशन मॉडल को अपडेट करने के लिए कैसे करें https://databricks-training.s3.amazonaws.com/movie-recommendation-with-mllib.html से प्रेरित मूवीलेन्स डीबी के लिए मैं एक सरल अनुशंसा प्रणाली तैयार करता हूं।एएलएस
मुझे यहां स्पष्ट प्रशिक्षण के साथ समस्याएं भी हैं: Apache Spark ALS collaborative filtering results. They don't make sense निहित प्रशिक्षण (स्पष्ट और निहित डेटा दोनों पर) का उपयोग करके मुझे उचित परिणाम मिलते हैं, लेकिन स्पष्ट प्रशिक्षण नहीं होता है।
हालांकि यह मेरे लिए ठीक है, मैं मॉडल को अपडेट करने के बारे में उत्सुक हूं। मेरे वर्तमान समाधान की तरह
- काम करता है जबकि सभी उपयोगकर्ता रेटिंग होने
- उत्पन्न मॉडल
- उपयोगकर्ता
के लिए सुझाव प्राप्त मैं इस तरह एक प्रवाह करना चाहते हैं:
- होने रेटिंग का आधार
- एक बार मॉडल उत्पन्न करें (वैकल्पिक सहेजें & लोड यह)
- (10 यादृच्छिक फिल्मों पर एक के द्वारा कुछ रेटिंग प्राप्त मॉडल में नहीं है!)
- मॉडल और नए उपयोगकर्ता रेटिंग
का उपयोग कर सिफारिशों इसलिए मैं अपने मॉडल को अपडेट करना होगा मिलता है, बिना पूरी तरह से इसे पूरी तरह से recompute। क्या ऐसा करने का कोई मौका है?
जबकि बैच प्रसंस्करण (जैसे रात के बैचों में सिफारिशें उत्पन्न करना) के लिए पहला तरीका अच्छा है, दूसरी तरफ सिफारिशों के लगभग लाइव उत्पादन के लिए अच्छा होगा।
भी देखें इस समान प्रश्न http://stackoverflow.com/questions/28724639/how-to-augment-matrix-factors-in-spark- तक पहुँच देता है एएलएस-सिफारिशकर्ता –
इसके अलावा, http://stackoverflow.com/questions/40809876/apache-spark-als-how-to-perform-live-recommendations-fold-in-anonym-user?rq=1 –