백만 곡 데이터셋 소개

PySpark로 추천 엔진 만들기

Jamen Long

Data Scientist at Nike

명시적 vs 암묵적

명시적 평점 좋아요/싫어요, 별점 5점 중 4점, 최하에서 최상까지의 색상 점수 척도

명시적 vs 암묵적 (계속)

명시적 평점 좋아요/싫어요, 별점 5점 중 4점, 최하에서 최상까지의 색상 점수 척도

암묵적 평점 좋아요/싫어요, 별점 5점 중 4점, 최하에서 최상까지의 색상 점수 척도

암묵적 평점 복습 II

명시적 평점 좋아요/싫어요, 별점 5점 중 4점, 최하에서 최상까지의 색상 점수 척도

암묵적 평점 좋아요/싫어요, 별점 5점 중 4점, 최하에서 최상까지의 색상 점수 척도 백서 참고자료

백만 곡 데이터셋 소개

Thierry Bertin-Mahieux, Daniel P.W. Ellis, Brian Whitman, and Paul Lamere. The Million Song Dataset. In Proceedings of the 12th International Society for Music Information Retrieval Conference (SIMIR 20122), 2011.

0 샘플 추가

ratings.show()

+------+------+---------+
|userId|songId|num_plays|
+------+------+---------+
|    10|    22|        5|
|    38|    99|        1|
|    38|    77|        3|
|    42|    99|        1|
+------+------+---------+

교차 조인 소개

users = ratings.select("userId").distinct()
users.show()

+------+
|userId|
+------+
|    10|
|    38|
|    42|
+------+

songs = ratings.select("songId").distinct()
songs.show()

+------+
|songId|
+------+
|    22|
|    77|
|    99|
+------+

교차 조인 결과

cross_join = users.crossJoin(songs)
cross_join.show()

+------+------+
|userId|songId|
+------+------+
|    10|    22|
|    10|    77|
|    10|    99|
|    38|    22|
|    38|    77|
|    38|    99|
|    42|    22|
|    42|    77|
|    42|    99|
+------+------+

원본 평점 데이터 조인

cross_join = users.crossJoin(songs)
                  .join(ratings, ["userId", "songId"], "left")
cross_join.show()

+------+------+---------+
|userId|songId|num_plays|
+------+------+---------+
|    10|    22|        5|
|    10|    77|     null|
|    10|    99|     null|
|    38|    22|     null|
|    38|    77|        3|
|    38|    99|        1|
|    42|    22|     null|
|    42|    77|     null|
|    42|    99|        1|
+------+------+---------+

0으로 채우기

cross_join = users.crossJoin(songs)
                  .join(ratings, ["userId", "songId"], "left").fillna(0)
cross_join.show()

+------+------+---------+
|userId|songId|num_plays|
+------+------+---------+
|    10|    22|        5|
|    10|    77|        0|
|    10|    99|        0|
|    38|    22|        0|
|    38|    77|        3|
|    38|    99|        1|
|    42|    22|        0|
|    42|    77|        0|
|    42|    99|        1|
+------+------+---------+

0 추가 함수

def add_zeros(df):
    # Extracts distinct users
    users = df.select("userId").distinct() 

    # Extracts distinct songs
    songs = df.select("songId").distinct() 

    # Joins users and songs, fills blanks with 0
    cross_join = users.crossJoin(items) \ 
                .join(df, ["userId", "songId"], "left").fillna(0)

    return cross_join

연습해 봅시다!

PySpark로 추천 엔진 만들기