Visión general de valoraciones binarias e implícitas

Creación de motores de recomendación con PySpark

Jamen Long

Data Scientist at Nike

Valoraciones binarias

binary_movie_ratings.show()

+------+-------+-------------+
|userId|movieId|binary_rating|
+------+-------+-------------+
|    26|    474|            0|
|    26|   2529|            1|
|    26|     26|            0|
|    26|   1950|            0|
|    26|   4823|            1|
|    26|  72011|            1|
|    26| 142507|            0|
|    38|   1325|            0|
|    38|   6011|            1|
+------+-------+-------------+

Desbalance de clases

getSparsity(binary_ratings)

Sparsity: .993

Ponderación de ítems

Ponderación de ítems: Películas con más visualizaciones de usuarios = mayor peso

Ponderación de ítems y de usuarios

Ponderación de ítems: Películas con más visualizaciones de usuarios = mayor peso
Ponderación de usuarios: A usuarios que han visto más películas se les aplicará menor peso en películas no vistas

¡Vamos a practicar!

Creación de motores de recomendación con PySpark