ALS推荐系统的在线更新

Question

有没有一种方法可以在训练后将spark ALS模型导出为PMML模型或任何格式，可以在spark环境之外调用？

例如，在JAVA中，给定客户id C和产品id P，加载SCALA程序创建的模型文件，并调用它，它将输出(C，P)的分数。

这个问题的主要原因是，当活跃用户的规模很大时，假设100个产品上有1亿用户，那么预测规模将是100亿。在我们的案例中，基于项目的推荐不是一个选项。

不确定行业内的人是如何做到这一点的，特别是当需要每天更新模型时，该模型是由之前的整个月/周数据训练的。

Answer 1

有一种方法可以将模型保存在扩展环境中，就像这个ALSmodel.save("myModelPath")。使用此模型，您可以对所有已知的客户/项目对进行评分。

我猜，如果你想在spark之外得分，你必须将项目和用户因子导出到另一个系统中，并自己计算mf。在那里，您还可以为您的推荐更新用户迭代操作。

使用ALSmodel.userFactors和ALSmodel.itemFactors，您可以提取模型的因子。

为什么你想在spark之外得分？你可以简单地预先计算你的预测，并在线提供它们。如果你想在一个非常高的频率级别上更新推荐，你必须按照建议的方式去做。如果您只想每天更新模型，我建议您只需每隔一天重新训练模型。