基于ALS協(xié)同過濾算法的個性化推薦研究與應(yīng)用

董銀

摘要：隨著大數(shù)據(jù)和數(shù)據(jù)挖掘技術(shù)的不斷發(fā)展和成熟，個性化推薦越來越發(fā)揮著重要作用。為了能夠更有效地向用戶推薦其感興趣的產(chǎn)品，文章研究了在Spark平臺架構(gòu)基礎(chǔ)上使用ALS協(xié)同過濾算法在個性化推薦系統(tǒng)中的應(yīng)用，并對該系統(tǒng)作了性能和效果的評估。根據(jù)實驗表明，基于Spark平臺的ALS算法能有效地為用戶推薦其所感興趣的產(chǎn)品，從而達到個性化推薦的目的。

關(guān)鍵詞：個性化推薦；協(xié)同過濾；Spark；ALS

隨著互聯(lián)網(wǎng)數(shù)據(jù)的不斷增加，如何快速而高效地從如此豐富而復(fù)雜的大量數(shù)據(jù)中為用戶挑選出自己真正感興趣和喜歡的信息變得越來越緊迫。近年來隨著個性化推薦系統(tǒng)的興起和發(fā)展，為解決這些問題提供了重要手段。推薦系統(tǒng)通過記錄和分析用戶所產(chǎn)生的日志數(shù)據(jù)構(gòu)建用戶的興趣模型，再通過用戶的興趣模型為用戶推薦其喜歡和感興趣的產(chǎn)品。目前個性化推薦系統(tǒng)在購物網(wǎng)站和新聞網(wǎng)站等領(lǐng)域得到了廣泛的應(yīng)用，比如Amazon購物網(wǎng)站、豆瓣、今日頭條等。目前在推薦系統(tǒng)中應(yīng)用最為成功和廣泛的推薦技術(shù)是協(xié)同過濾。

協(xié)同過濾是指收集用戶過去的行為以獲得其對產(chǎn)品的顯式或隱式信息，即根據(jù)用戶對物品或者信息的偏好，發(fā)現(xiàn)用戶的相關(guān)性或者物品本身的相關(guān)性，然后再基于這些相關(guān)性進行推薦。目前，基于協(xié)同過濾的推薦分為基于物品的協(xié)同過濾（ItemCF）、基于用戶的系統(tǒng)過濾（UserCF）和基于模型的協(xié)同過濾（ModelCF）。為了更加快速、有效和準確地為用戶推薦其喜歡的產(chǎn)品，本文主要研究了基于Spark平臺上的ALS協(xié)同過濾算法的個性化推薦系統(tǒng)。

1 Spark簡介

Spark是一個基于內(nèi)存計算的分布式框架，提高了在大數(shù)據(jù)環(huán)境下數(shù)據(jù)處理的實時性，同時保證了高可伸縮性和高容錯性。Spark中的計算模型和Hadoop中的MapReduce類似，不同于Hadoop的是，Spark的計算過程是在內(nèi)存中進行的，從而減少了硬盤的讀寫操作，可以將多個操作進行合并后計算，因此提升了計算速度。

圖1為Spark架構(gòu)圖，其整體流程為：Client作為客戶端將應(yīng)用程序提交到Driver中，Driver則向Master（即ClusterManager）申請資源，然后將應(yīng)用程序轉(zhuǎn)換為RDD Graph，再由DAGScheduler將RDD Graph轉(zhuǎn)換為Stage的有向無環(huán)圖提交給TaskScheduler，由TaskScheduler將任務(wù)分發(fā)給Woker節(jié)點中的Exeutor執(zhí)行。

2 ALS算法研究

ALS是Alternating Least Squares的縮寫，意為交替最小二乘法。該方法常用于基于矩陣分解的推薦系統(tǒng)中。例如：將用戶（user）對商品（item）的評分矩陣分解為2個矩陣：一個為商品所包含的隱含特征矩陣，一個為用戶對商品隱含特征的偏好矩陣。在這個矩陣分解的過程中，評分缺失項得到了填充，因此可以基于這個填充的評分給用戶作商品推薦了。以下就ALS算法理論做一個介紹。

3 ALS算法在個性化推薦上的應(yīng)用

為了實現(xiàn)ALS算法在Spark平臺上的具體應(yīng)用。本文的系統(tǒng)結(jié)構(gòu)主要由3個模塊組成，分別為輸入模塊、推薦模塊和輸出模塊。輸入模塊主要將用戶的行為數(shù)據(jù)轉(zhuǎn)換成用戶偏好數(shù)據(jù)，再運用數(shù)字表示用戶對產(chǎn)品的偏好。推薦算法模塊主要是通過ALS模型的協(xié)同過濾算法生成推薦結(jié)果。輸出模塊是將通過推薦算法產(chǎn)生的推薦結(jié)果（去除掉一些用戶已購買過的產(chǎn)品），生成最終的推薦列表從而為用戶進行推薦。如圖2所示，為本文中個性化推薦系統(tǒng)的處理流程。

3.1 用戶偏好數(shù)據(jù)處理

通過解析用戶訪問網(wǎng)站所產(chǎn)生的行為日志，對用戶行為數(shù)據(jù)進行數(shù)據(jù)預(yù)處理操作（即ETL操作），得到用戶對某產(chǎn)品的瀏覽、購買、評論、加入購物車和加入心愿單行為數(shù)據(jù)，作為用戶畫像模型的5組向量，再結(jié)合實際生活情況按5種不同行為分別賦予不同的權(quán)值。通過對用戶的行為進行加權(quán)處理后得到用戶對某產(chǎn)品的偏好得分。其中，偏好得分計算公式為：S =購買*0.4 +評論*0.15+購物車*0.25+心愿單*0.15+瀏覽*0.05，依此方法，最終形成用戶對所有產(chǎn)品的偏好得分，從而生成用戶的偏好模型。

3.2 構(gòu)建ALS推薦模型

通過（1）中建立的用戶偏好模型是ALS的輸入樣本，其后的處理過程是：首先輸入用戶的偏好數(shù)據(jù)（偏好數(shù)據(jù)格式為：用戶ID、產(chǎn)品ID、偏好得分），然后初始化ALS權(quán)值，計算通過ALS預(yù)測的偏好得分和訓練樣本中的偏好得分的均方差，使其RMSE小于預(yù)定值，若未小于預(yù)定值則繼續(xù)訓練增加的模型，最后為用戶產(chǎn)生推薦列表。

3.3 Spark平臺上的實現(xiàn)

ALS算法在Spark平臺上的實現(xiàn)過程是：首先將用戶偏好數(shù)據(jù)從數(shù)據(jù)庫中導(dǎo)出上傳到HDFS（Hadoop Distribute File System）上，再使用SparkContext類中的textFile函數(shù)加載HDFS上的偏好數(shù)據(jù)文件并創(chuàng)建RDD（Resilient Distributed Datasets），作為ALS訓練的輸入數(shù)據(jù)。其次，輸入迭代次數(shù)向量I=（5，8，10，15，20）T和隱含因子向量R=（5，10，20，30，40，50，60，70）T，通過不斷初始化參數(shù)即循環(huán)選擇I和R的值，代入ALS類中的train（ratings，rank，numIterations，lambda）（其中：ratings為用戶的偏好數(shù)據(jù)，rank為R中的隱含因子，numIterations為I中的迭代次數(shù)，lambda為正則化參數(shù)本文中取0.01）函數(shù)中，生成用戶偏好的預(yù)測結(jié)果，計算每次更新參數(shù)后模型的RMSE，最終通過獲取最小的RMSE來確定最優(yōu)參數(shù)的取值。最后使用最優(yōu)的ALS模型為用戶做推薦，使用MatrixFactorizationModel中的recommendProductsForUsers方法為每個用戶生成推薦結(jié)果，并使用RDD中的saveAsTextFile函數(shù)將結(jié)果保存到HDFS上。

4 實驗和結(jié)論

4.1 實驗環(huán)境

本實驗組建的Spark集群由1臺Master主機、7臺Slaver主機組成。實驗中使用的數(shù)據(jù)為用戶每天在網(wǎng)站中產(chǎn)生的行為數(shù)據(jù)，通過分析用戶的行為日志和ETL操作將其轉(zhuǎn)換為用戶對產(chǎn)品的偏好得分。其中共有11924653行用戶對產(chǎn)品的偏好數(shù)據(jù)、662926個用戶和75288個產(chǎn)品構(gòu)成。

4.2 性能評估

為了驗證基于Spark 平臺下ALS協(xié)同過濾算法對推薦性能的影響，本文使用不同數(shù)目的Spark集群節(jié)點來做實驗以獲得較優(yōu)的效果。圖4為推薦模型訓練時間隨工作節(jié)點數(shù)目變化的情況。

由圖3可以看出隨著集群節(jié)點的增多，Spark ALS模型訓練時間不斷減少，但其處理速度并不是隨著節(jié)點增加而線性減少的。從圖4可知當工作節(jié)點增加到4個時，模型訓練速度的變化開始沒有那么明顯了，根據(jù)Amdahl定律，并行化的程序所獲得的加速比和程序中可并行執(zhí)行的代碼有直接關(guān)系，因此，處理時間并不是隨著節(jié)點線性變化的。

4.3 推薦效果評估

本文中通過調(diào)整隱含因子數(shù)量（rank）和計算的迭代次數(shù)（numIterations）來減小RMSE的值，從而達到最好的推薦效果。由圖4可以得出隨著隱含因子的增大，其模型均方差越小，表示其預(yù)測的模型越接近真實的偏好模型。

5 結(jié)語

本文首先對Spark和ALS協(xié)同過濾算法作了介紹和原理推導(dǎo)，然后研究了基于Spark平臺下的ALS協(xié)同過濾算法在個性化推薦上的性能和效果，發(fā)現(xiàn)基于Spark平臺下的ALS推薦模型可以為用戶合理、有效地推薦其感興趣的產(chǎn)品，從而可以提高用戶的體驗度和網(wǎng)站的轉(zhuǎn)換率等。

[參考文獻]

[1]李宇澄.協(xié)同過濾算法研究[D].上海：復(fù)旦大學，2005.

[2] Koren Y，Bell R，Volinsky C.Maxtrix factorization techniques for recommender systems[J].Computer，2009（8）：30-37.

[3]Apache Spark.[EB/OL].[2013-12-20].http：//spark.apache.org/.

[4]Wbite T.Hadoop權(quán)威指南[M].3版.北京：清華大學出版，2010.

[5]Pilaszy I，Zibriczky D，Tikk D.Fast ALS-based Matrix Factorization for Explicit and Implicit Feedback Datasets[C]// Proceedings of the fourth ACM conference on Recommender systems.New York：ACM，2010.

[6]李改，李磊.，基于矩陣分解的協(xié)同過濾算法[J].計算機工程與應(yīng)用，2011（30）：4-7.

[7]Hill M D，Mary M R.Amdahls law in the multicore era[J].Computer，2008（7）：33-38.

Research and Application of Personalized Recommendation Based on ALS Collaborative Filtering Algorithm

Dong Yin

（School of Computer Science， Wuyi University， Jiangmen 529020， China）

Abstract： With the continuous development of big data and data mining technology， more personalized recommendation system has played an important role. In order to more effectively to recommend interesting products for user， this paper studies the application that using ALS collaborative filtering algorithm in personalized recommendation system on the spark paltform and evaluating the performance and effectiveness of the system. According to the experimental results show that the ALS algorithm based on Spark platform can effectively recommend the products they are interested in， so as to achieve the goal of personalized recommendation.

Key words： personalized recommendations； collaborative filtering； Spark； ALS