更新时间：2023-05-16 GMT+08:00
swing
概述
swing是一个i2i的召回算法，基于User-Item-User图结构的推荐算法。
输入
参数 |
子参数 |
参数说明 |
|---|---|---|
inputs |
dataframe |
inputs为字典类型，dataframe为pyspark中的DataFrame类型对象，用于构建swing模型 |
输出
参数 |
子参数 |
参数说明 |
|---|---|---|
outputs |
output_port_1 |
指向一个pyspark的DataFrame类型对象，swing的pipeline模型 |
参数说明
参数 |
是否必选 |
参数说明 |
默认值 |
|---|---|---|---|
user_col |
是 |
User列的名称 |
user |
item_col |
是 |
Item列的名称 |
item |
score_col |
是 |
用户评分列名称 |
"" |
min_user_items |
是 |
User互动的Item的最小数量 |
10 |
max_user_items |
是 |
User互动的Item的最大数量 |
1000 |
max_item_number |
是 |
Item参与计算的人数最大值 |
1000 |
output_score_col_name |
是 |
预测用户评分的列名 |
rec_score |
user_alpha |
是 |
User的alpha参数。用于计算用户权重：user weight = 1.0/(userAlpha + userClickCount)^userBeta |
0.0 |
user_beta |
是 |
User的Beta参数。用于计算用户权重：user weight = 1.0/(userAlpha + userClickCount)^userBeta |
0.5 |
样例
数据样本
user,item A,t A,r A,p B,t B,r B,p C,p C,q A,h B,h C,h
配置流程
运行流程
参数设置
查看结果
user,item,rec_score C,t,0.1 C,r,0.1
父主题： 推荐
