Spark机器学习

第1关：基于物品的推荐算法

任务描述
本关任务：给用户2推荐2个商品。利用spark.mllib中的矩阵计算库，构建用户与物品的打分矩阵，然后计算物品之间的相似分数，进行推荐。实现基于用户（User CF）的协同过滤算法。

相关知识
基于物品的推荐算法步骤包括：
1.构建用户对物品的打分矩阵。如下表所示。

Item1 Item2 Item3 Item4 Item5 Item6
User1 4 3 5
User2 5 4 4
User3 4 5 3 4
User4 3 5
User5 4 4
User6 2 4 5
2.根据余弦相似度公式计算物品相似度矩阵
3.得到其他商品与被推荐用户已购买商品的相似度。对于每个商品，计算相似度之和，并将相似度最高的N个物品推荐给用户
编程要求
根据提示，在右侧编辑器补充代码.
实现：ij1表示其他用户购买过，但不在用户2购买的商品列表中的商品和评分，ij2表示将ij1中商品的评分求和，并降序排序，推荐前两个物品。

测试说明
根据代码中提示，取消部分注释。然后进行以下代码编写

使用filter操作，过滤得到ij中不是用户2已购买商品的商品和评分
使用reduceByKey操作，将ij1中商品分数按照商品id进行求和
使用sortBy操作，对评分进行排序
使用take操作，得到前两个商品。
开始你的任务吧，祝你成功！

import org