将矩阵数据模型转换为文件数据模型以进行 Mahout 推荐

Question

我有一个 userID、itemID 评分矩阵形式的数据集，我试图将其转换为 {userID, itemID, rating} 形式，以便与基于 Mahout 项目的推荐系统一起使用，如下所述：https://mahout.apache.org/users/recommender/userbased-5-minutes.html#dataset。

换句话说，我想转换成这样：

    1   2   3
1   1.0 2.0 3.0
2   4.0 5.0 6.0
3   7.0 8.0 9.0

变成这样：

1,1,1.0
1,2,2.0
1,3,3.0
2,1,4.0
2,2,5.0
2,3,6.0
3,1,7.0
3,2,8.0
3,3,9.0

有没有办法使用 Apache Hadoop 工具（Pig、Hive 等）完成此操作？

Answer 1

您可以使用 explode（在配置单元中）：

如果您的输入 table 如下所示：

userID item1 item2 item3
----------------------
1      1.0   2.0   3.0
2      4.0   5.0   6.0
3      7.0   8.0   9.0

那么您的查询可以是：

SELECT userID, split(item_val,'_')[0] as item, split(item_val,'_')[1] as val     
from ( SELECT userID, 
        array(concat_ws('_','item1',item1),
        concat_ws('_','item2',item2),
        concat_ws('_','item3',item3))  as arr from in_table) a
LATERAL VIEW explode(arr) exp as item_val;

说明：内部查询生成此输出：

userID                 arr
-----------------------------------------
1      (item1_1.0   item2_2.0   item3_3.0)
2      (item1_4.0   item2_5.0   item3_6.0)
3      (item1_7.0   item2_8.0   item3_9.0)

那么explode之后，每一行都会有userID，itemID和value - 只需要拆分itemID和value即可。

此外，如果 table 的 itemID 定义为 double，您需要 CAST(item2 as string) 才能将它们发送到 concat_ws。