4

我使用和现在使用来训练一个MatrixFactorizationModel模型来获得最受推荐的产品，但是代码在某些用户上失败，并出现以下错误：ALS.train()model.recommendProducts(user, num)

  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了预测，但在其他用户上却失败了。

我知道它可能没有我要求的确切数量的预测，我希望它会返回更少。

4

1 回答 1

2

简短的回答：

  • 您已经在 userID 在 [0;N] 范围内的评级上训练了模型
  • 您已要求推荐用户 ID=N+x，其中 x 是一个正整数。这导致了异常。

剩下的答案：

  • 您可以在训练阶段使用的用户 ID 空间内提出建议
  • 您可以要求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，您必须将有关他或她的品味的信息添加到训练数据集中。

您可以在Spark 峰会 2014 动手练习中找到涵盖协作过滤的示例。

（如果我遗漏了什么，请在下面的评论中纠正我）

于 2015-10-09T18:59:26.717 回答