Spark SQL（七）之基于用户的相似度公式

一、基于用户的Jaccard相似度公式

其中，u、v表示任意两个用户，N(u)表示用户u喜欢的物品集合,N(v)表示用户v喜欢物品的集合。

代码

public class UserCFApp {

    public static void main(String[]args){

        SparkConf sparkConf = new SparkConf();
        sparkConf.setAppName("UserCFApp");
        sparkConf.setMaster("local[*]");
        SparkSession sparkSession = SparkSession.builder().config(sparkConf).getOrCreate();
        
        String url = "jdbc:mysql://localhost:3306/spark-mysql?useUnicode=true&characterEncoding=utf8&autoReconnect=true&failOverReadOnly=false";
        String driver = "com.mysql.jdbc.Driver";
        String user = "root";
        String password = "admin";
        Dataset<Row> dataset = sparkSession.read()
                .format("jdbc")
                .option("driver", driver)
                .option("url",url)
                .option("dbtable","user_item")
                .option("user",user)
                .option("password",password)
                .load();
        Dataset<Row> userCount = dataset.groupBy("user_id").count();
        Dataset<Row> user2UserCount = dataset.as("a").join(dataset.as("b"),
                functions.column("a.item_id").$eq$eq$eq(functions.column("b.item_id")))
                .where(functions.column("a.user_id").notEqual(functions.column("b.user_id")))
                .select(functions.column("a.user_id").as("a_user_id"),
                        functions.column("b.user_id").as("b_user_id"))
                .groupBy("a_user_id", "b_user_id").count();

        Dataset<Row> result =  user2UserCount.as("u2u")
                 .join(userCount.as("uc1"), functions.column("u2u.a_user_id").$eq$eq$eq(functions.column("uc1.user_id")))
                 .join(userCount.as("uc2"), functions.column("u2u.b_user_id").$eq$eq$eq(functions.column("uc2.user_id")))
         .selectExpr("u2u.a_user_id", "u2u.b_user_id", "u2u.count/(uc1.count + uc2.count - u2u.count) as count");


        result.show();
//        result.write()
//                .mode(SaveMode.Overwrite)
//                .format("jdbc")
//                .option("driver", driver)
//                .option("url",url)
//                .option("dbtable","user_similar")
//                .option("user",user)
//                .option("password",password)
//                .save();

         sparkSession.stop();
    }
}

二、基于用户的余弦相似度公式

其中，u、v表示任意两个用户，N(u)表示用户u喜欢的物品集合,N(v)表示用户v喜欢物品的集合。

public class UserCF2App {

    public static void main(String[]args){

        SparkConf sparkConf = new SparkConf();
        sparkConf.setAppName("UserCFApp");
        sparkConf.setMaster("local[*]");
        SparkSession sparkSession = SparkSession.builder().config(sparkConf).getOrCreate();
        
        String url = "jdbc:mysql://localhost:3306/spark-mysql?useUnicode=true&characterEncoding=utf8&autoReconnect=true&failOverReadOnly=false";
        String driver = "com.mysql.jdbc.Driver";
        String user = "root";
        String password = "admin";
        Dataset<Row> dataset = sparkSession.read()
                .format("jdbc")
                .option("driver", driver)
                .option("url",url)
                .option("dbtable","user_item")
                .option("user",user)
                .option("password",password)
                .load();
        Dataset<Row> userCount = dataset.groupBy("user_id").count();
        Dataset<Row> user2UserCount = dataset.as("a").join(dataset.as("b"),
                functions.column("a.item_id").$eq$eq$eq(functions.column("b.item_id")))
                .where(functions.column("a.user_id").notEqual(functions.column("b.user_id")))
                .select(functions.column("a.user_id").as("a_user_id"),
                        functions.column("b.user_id").as("b_user_id"))
                .groupBy("a_user_id", "b_user_id").count();

        Dataset<Row> result =  user2UserCount.as("u2u")
                 .join(userCount.as("uc1"), functions.column("u2u.a_user_id").$eq$eq$eq(functions.column("uc1.user_id")))
                 .join(userCount.as("uc2"), functions.column("u2u.b_user_id").$eq$eq$eq(functions.column("uc2.user_id")))
         .selectExpr("u2u.a_user_id", "u2u.b_user_id", "u2u.count/pow(uc1.count * uc2.count, 0.5) as count");


        result.show();
//        result.write()
//                .mode(SaveMode.Overwrite)
//                .format("jdbc")
//                .option("driver", driver)
//                .option("url",url)
//                .option("dbtable","user_similar")
//                .option("user",user)
//                .option("password",password)
//                .save();

         sparkSession.stop();
    }
}

最后

以上就是开心酸奶为你收集整理的Spark SQL（七）之基于用户的相似度公式的全部内容，希望文章能够帮你解决Spark SQL（七）之基于用户的相似度公式所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。