apache-spark – MLlib MatrixFactorizationModel recommendedProducts(user,num)对某些用户失败

2023年8月5日 247次阅读

我使用
ALS.train()训练了一个
MatrixFactorizationModel模型,现在使用
model.recommendProducts(user, num)来获得推荐的最佳产品,但是代码在某些用户上失败并出现以下错误：

  user_products = model.call("recommendProducts", user, prodNum)
  File "/usr/lib/spark/python/pyspark/mllib/common.py", line 136, in call
    return callJavaFunc(self._sc, getattr(self._java_model, name), *a)
  File "/usr/lib/spark/python/pyspark/mllib/common.py", line 113, in callJavaFunc
    return _java2py(sc, func(*args))
  File "/usr/lib/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/java_gateway.py", line 538, in __call__
  File "/usr/lib/spark/python/lib/py4j-0.8.2.1-src.zip/py4j/protocol.py", line 300, in get_return_value
py4j.protocol.Py4JJavaError: An error occurred while calling o68.recommendProducts.
: java.util.NoSuchElementException: next on empty iterator
    at scala.collection.Iterator$$anon$2.next(Iterator.scala:39)
    at scala.collection.Iterator$$anon$2.next(Iterator.scala:37)
    at scala.collection.IndexedSeqLike$Elements.next(IndexedSeqLike.scala:64)
    at scala.collection.IterableLike$class.head(IterableLike.scala:91)
    at scala.collection.mutable.WrappedArray.scala$collection$IndexedSeqOptimized$$super$head(WrappedArray.scala:34)
    at scala.collection.IndexedSeqOptimized$class.head(IndexedSeqOptimized.scala:120)
    at scala.collection.mutable.WrappedArray.head(WrappedArray.scala:34)
    at org.apache.spark.mllib.recommendation.MatrixFactorizationModel.recommendProducts(MatrixFactorizationModel.scala:117)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
    at java.lang.reflect.Method.invoke(Method.java:606)
    at py4j.reflection.MethodInvoker.invoke(MethodInvoker.java:231)
    at py4j.reflection.ReflectionEngine.invoke(ReflectionEngine.java:379)
    at py4j.Gateway.invoke(Gateway.java:259)
    at py4j.commands.AbstractCommand.invokeMethod(AbstractCommand.java:133)
    at py4j.commands.CallCommand.execute(CallCommand.java:79)
    at py4j.GatewayConnection.run(GatewayConnection.java:207)
    at java.lang.Thread.run(Thread.java:745)

正如您在上面的第一行中所看到的,我正在运行

user_products = model.call("recommendProducts", user, prodNum)

代替

user_products = model.recommendProducts(user, prodNum)

因为后者没有在我使用的1.3.0 pyspark中实现.
无论如何,它正确地为某些用户返回预测,但随后在其他用户上失败.

我知道它可能没有我要求的确切预测数量,我希望它会减少更多.

最佳答案 简短回答：

>您已经在userID在[0; N]范围内的评级上训练过模型
>您已经要求建议用户ID = N x,其中x是正整数.这引起了例外.

其余的答案是：

>您可以在培训阶段使用的userID空间内询问建议
>您可以要求提供与培训阶段使用的产品空间一样多的建议

当您想为新用户推荐时,您必须向训练数据集添加有关其品味的信息.

您可以在Spark Summit 2014 Hands-on Exercises中找到涵盖协作过滤的示例.

(如果我错过了什么,请在下面的评论中纠正我)

点赞