阿里云人工智能平台PAI使用ALS算法实现音乐评分预测（旧版）-云淘科技

前提条件

已创建工作空间，详情请参见创建工作空间。

ALS算法

交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾User和Item项，也称为混合CF。

以音乐打分为例，您可以获取的原始数据是每个听众对每首歌的评分矩阵A。因为每个用户不一定听过所有歌，且每个用户不一定对每首歌进行评分，所以该评分矩阵可能是稀疏矩阵，如下图所示。ALS矩阵分解算法会将矩阵A分解为两个矩阵（矩阵X和矩阵Y）相乘。

矩阵A=矩阵X*矩阵Y的转秩

矩阵X的列和矩阵Y的行可以称为ALS因子。假设有3个因子（性格、教育程度及爱好），则矩阵A经过ALS分解得到的矩阵X如下。矩阵A经过ALS分解得到的矩阵Y如下。如果需要预测听众6对红豆这首歌的评分，则将听众6在矩阵X中的向量M与红豆在矩阵Y中对应的向量N相乘即可。

预测音乐评分

1. 进入PAI-Designer页面。
   1. 登录PAI控制台。
   2. 在左侧导航栏单击工作空间列表，在工作空间列表页面中单击待操作的工作空间名称，进入对应工作空间内。
   3. 在工作空间页面的左侧导航栏选择模型开发与训练 > 可视化建模（Designer），进入Designer页面。
2. 在可视化建模（Designer）页面右上方，单击前往旧版可视化建模（Studio）。
3. 构建并运行实验。
   1. 在PAI-Studio控制台的左侧导航栏，单击首页。
   2. 在模板列表，单击ALS实现音乐推荐下的从模板创建。
   3. 在新建实验页面，配置参数（您也可以全部使用默认参数）。
      

      参数	描述
      名称	输入ALS实现音乐推荐。
      描述	输入利用ALS实现音乐的内容推荐。
      位置	选择我的实验。

   4. 单击确定。
   5. 等待大约十秒钟，在PAI-Studio控制台的左侧导航栏，单击实验。
   6. 在我的实验下，单击ALS实现音乐推荐_XX，构建的实验如下图所示。其中我的实验为已配置的实验位置，ALS实现音乐推荐_XX为已配置的实验名称（_XX为系统自动添加的实验序号）。
   7. 单击画布上方的运行。系统已自动配置了实验的数据源和ALS矩阵分解组件的参数（单击画布中的组件，在右侧面板可以查看已配置的参数），您直接运行实验即可。
4. 查看实验结果。
   1. 实验运行完成后，右键单击画布中的ALS矩阵分解-1，在快捷菜单，选择查看数据 > 查看输出桩1，即可查看矩阵X。
   2. 右键单击画布中的ALS矩阵分解-1，在快捷菜单，选择查看数据 > 查看输出桩2，即可查看矩阵Y。
5. 预测评分。如果预测user1对音乐Item978130429的评分，则将矩阵X中的向量M和矩阵Y中的向量N相乘即可。

   #向量M。[0.5775652527809143,0.6737191677093506,0.9059759974479675,0.9866708517074585,0.15602371096611023,0.2735472023487091,0.4610620439052582,0.5312653183937073,0.3408969044685364,1.4993919134140015]#向量N。[0.2431642860174179,0.6019538044929504,0.4035401940345764,0.254305899143219,0.4056856632232666,0.46871861815452576,0.3701469600200653,0.3757922947406769,0.26486095786094666,0.37488409876823425]