同现相似度可用于为协调过滤推荐中,查找相似的物品或者用户。下面对同相似度进行简单的定义
物品i和物品j的同相似度公式定义:
其中,分母是喜欢物品i的用户数,而分子则是同时喜欢物品i和物品j的用户数。因此,上述公式可用理解为喜欢物品i的用户有多少比例的用户也喜欢j (和关联规则类似)
但上述的公式存在一个问题,如果物品j是热门物品,有很多人都喜欢,则会导致Wij很大,接近于1。因此会造成任何物品都和热门物品交有很大的相似度。为此我们用如下公式进行修正:
这个格式惩罚了物品j的权重,因此减轻了热门物品和很多物品相似的可能性。(也归一化了[i,j]和[j,i])
下面具体介绍如何在Spark如何求得矩阵Wij
如下是用来测试的数据,格式:(用户ID,商品ID,评分)
1 1 1
1 2 1
2 1 1
2 3 1
3 3 1
3 4 1
4 2 1
4 4 1
5 1 1
5 2 1
5 3 1
5 4 2
6 4 1
为了清楚了解每一步过程,下面的代码都在spark-shell中进行并给出关键步骤的输出结果
1.从本地文件中读取数据,并进行格式装换
val rdd1 = sc.textFile("/tmp/recommend.dat").map(_.split("\\s")).map(x => (x(0), x(1), x(2).toDouble))
结果: