Panoramica delle valutazioni binarie implicite

Costruire motori di raccomandazione con PySpark

Jamen Long

Data Scientist at Nike

Valutazioni binarie

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|
+------+-------+-------------+

Squilibrio di classe

getSparsity(binary_ratings)

Sparsità: .993

Ponderazione degli item

Ponderazione degli item: Film con più visualizzazioni utenti = peso maggiore

Ponderazione di item e utenti

Ponderazione degli item: Film con più visualizzazioni utenti = peso maggiore
Ponderazione degli utenti: Agli utenti che hanno visto più film si applicano pesi minori ai film non visti

Esercitiamoci!

Costruire motori di raccomandazione con PySpark