als算法参数_推荐算法之ALS

1推荐算法概述

只知用户评分矩阵(User-Item Matrix)，试向用户(User)推荐产品(Item)。

输入：

上图所示为用户评分矩阵，其中用户评分为1-5，?所示为需要估算的用户评分。如果能够快速估算出用户的评分那么就可以对用户进行推荐了，实现的方法非常多，但并不是本次讨论的重点，一笔飞过——以下为常用的推荐算法概括。

实现：

一般来说，推荐系统通常往往是多个推荐算法的叠加或集合，其中协同过滤算法和基于内容推荐、流行度推荐使用最广。而基于内容推荐需要较多的用户维度信息及与产品的相关程度，有比较大的工作量；流行度推荐对于新的产品及用户个性化满足不够。协同过滤分析用户以及用户相关的产品的相关性，用以识别新的用户-产品相关性。协同过滤系统需要的唯一信息是用户过去的行为信息，比如对产品的评价信息。相较而言，协同过滤算法能够比较快速同时能够个性化地实现推荐。

使用协同过滤的算法，同时结合分布式大数据系统能够构建出高效且可应用于大规模人群的推荐系统，在电商及视频等行业应用较广，银行业也有着相似的需求和应用，特别是在理财推荐方面。

基于邻域的协同过滤要计算大量的相似性距离，因而选择基于用户还是基于物品有较大的性能差异；两者目前还没能实现分布式的算法，在用户量大于千万级或数亿级规模时，与下面要说的基于Spark的协同过滤算法(ALS算法)有较大的性能差距。

2什么是ALS

ALS是交替最小二乘(Alternating Least Squares)