数据算法 --hadoop/spark数据处理技巧 --（9.基于内容的电影推荐 10. 使用马尔科夫模型的智能邮件营销）

九。基于内容的电影推荐

　　在基于内容的推荐系统中，我们得到的关于内容的信息越多，算法就会越复杂（设计的变量更多），不过推荐也会更准确，更合理。

　　本次基于评分，提供一个3阶段的MR解决方案来实现电影推荐。

　　　　1.找出各个电影的评分人总数

　　　　2.对于每个电影对A和B,找出所有同时对A和B评分的人。

　　　　3.找出每两个相关电影之间的关联。在这个阶段，我使用3个不同的关联度算法（pearson,cosine,jaccard）一般要根据具体的数据需求来选择关联度算法。

　　

　　数据的输入格式：

　　

　　第一阶段转化完之后：

　　

　　经过MR阶段2的map阶段后：

　　

　　

　　经过排序和洗牌之后的输出：

　　

　　在经过MR阶段2的reduce（）后：

　　

　　

　　第三阶段MR的map阶段的输出：

　　

　　

　　第三阶段MR的reduce的输入：

　　

　　reduce代码：

　　

　　

　　spark的基本步骤：

　　　　1.导入所需要的类和接口；

　　　　2.处理输入参数；

　　　　3.创建一个spark上下文对象；

　　　　4.读取hdfs文件并创建第一个RDD；

　　　　5.找出谁曾对这个电影评分；

　　　　6.按movie对moviesRDD分组；

　　　　7.找出每个电影的评分人数，然后创建（K，V）为usersRDD = <K=user,V=<movie,rating,numberofRaters>>

　　　　8.将usersRDD与自身连接，找出所有（movie1,movie2）对    joinedRDD = userRDD.join(userRDD)     joinedRDD= （user，T2((m1,r1,n1),(m2,r2,n2))）

　　　　9.删除重复的(movie1,movie2)对；

　　　　10生成所有的（movie1，movie2）组合。

　　　　11.按键（movie1,movie2）对moviePairs分组

　　　　12计算每个（movie1,movie2）对的关联度　　　　

　　

十。使用马尔科夫模型的智能营销

　　先说说马尔科夫：

　　                       

　　使用马尔科夫的智能营销的大致流程：

　　

　　

　　其中使用MR生成有序数据:可以采用之前说的二次排序的方式。

　　

　　状态序列的生成：

　　    

　　采用的策略：