|
@@ -8,7 +8,7 @@ import examples.extractor.RankExtractorFeature_20240530
|
|
|
import org.apache.hadoop.io.compress.GzipCodec
|
|
|
import org.apache.spark.sql.SparkSession
|
|
|
import org.xm.Similarity
|
|
|
-
|
|
|
+import examples.utils.SimilarityUtils
|
|
|
import scala.collection.JavaConversions._
|
|
|
import scala.collection.mutable.ArrayBuffer
|
|
|
/*
|
|
@@ -25,15 +25,16 @@ object makedata_recsys_61_originData_20241209 {
|
|
|
|
|
|
// 1 读取参数
|
|
|
val param = ParamUtils.parseArgs(args)
|
|
|
+
|
|
|
+ val beginStr = param.getOrElse("beginStr", "2024120912")
|
|
|
+ val endStr = param.getOrElse("endStr", "2024120912")
|
|
|
+ val project = param.getOrElse("project", "loghubods")
|
|
|
+ val table = param.getOrElse("table", "alg_recsys_sample_all_v2")
|
|
|
val tablePart = param.getOrElse("tablePart", "64").toInt
|
|
|
- val beginStr = param.getOrElse("beginStr", "2023010100")
|
|
|
- val endStr = param.getOrElse("endStr", "2023010123")
|
|
|
val savePath = param.getOrElse("savePath", "/dw/recommend/model/61_origin_data/")
|
|
|
- val project = param.getOrElse("project", "loghubods")
|
|
|
- val table = param.getOrElse("table", "XXXX")
|
|
|
val repartition = param.getOrElse("repartition", "32").toInt
|
|
|
|
|
|
- // 2 读取odps+表信息
|
|
|
+ // 2 odps
|
|
|
val odpsOps = env.getODPS(sc)
|
|
|
|
|
|
// 3 循环执行数据生产
|
|
@@ -49,9 +50,7 @@ object makedata_recsys_61_originData_20241209 {
|
|
|
transfer = func,
|
|
|
numPartition = tablePart)
|
|
|
.map(record => {
|
|
|
-
|
|
|
val featureMap = new JSONObject()
|
|
|
-
|
|
|
// a 视频特征
|
|
|
val b1: JSONObject = if (record.isNull("b1_feature")) new JSONObject() else
|
|
|
JSON.parseObject(record.getString("b1_feature"))
|
|
@@ -145,7 +144,7 @@ object makedata_recsys_61_originData_20241209 {
|
|
|
for (key_time <- List("tags_1d", "tags_3d", "tags_7d")) {
|
|
|
val tags = if (c34567.containsKey(key_time)) c34567.getString(key_time) else ""
|
|
|
if (!tags.equals("")) {
|
|
|
- val (f1, f2, f3, f4) = funcC34567ForTags(tags, title)
|
|
|
+ val (f1, f2, f3, f4) = funcC34567ForTagsW2V(tags, title)
|
|
|
featureMap.put(key_feature + "_" + key_time + "_matchnum", f1)
|
|
|
featureMap.put(key_feature + "_" + key_time + "_maxscore", f3)
|
|
|
featureMap.put(key_feature + "_" + key_time + "_avgscore", f4)
|
|
@@ -187,31 +186,27 @@ object makedata_recsys_61_originData_20241209 {
|
|
|
|
|
|
|
|
|
/*
|
|
|
-
|
|
|
-
|
|
|
- 视频:
|
|
|
- 曝光使用pv 分享使用pv 回流使用uv --> 1h 2h 3h 4h 12h 1d 3d 7d
|
|
|
- STR log(share) ROV log(return) ROV*log(return)
|
|
|
- 40个特征组合
|
|
|
- 整体、整体曝光对应、推荐非冷启root、推荐冷启root、分省份root
|
|
|
- 200个特征值
|
|
|
-
|
|
|
- 视频:
|
|
|
- 视频时长、比特率
|
|
|
-
|
|
|
- 人:
|
|
|
- 播放次数 --> 6h 1d 3d 7d --> 4个
|
|
|
- 带回来的分享pv 回流uv --> 12h 1d 3d 7d --> 8个
|
|
|
- 人+vid-title:
|
|
|
- 播放点/回流点/分享点/累积分享/累积回流 --> 1d 3d 7d --> 匹配数量 语义最高相似度分 语义平均相似度分 --> 45个
|
|
|
- 人+vid-cf
|
|
|
- 基于分享行为/基于回流行为 --> “分享cf”+”回流点击cf“ 相似分 相似数量 相似rank的倒数 --> 12个
|
|
|
-
|
|
|
- 头部视频:
|
|
|
- 曝光 回流 ROVn 3个特征
|
|
|
-
|
|
|
+ 视频特征: 5*6*5 = 240个
|
|
|
+ 曝光使用pv 分享使用pv 回流使用uv --> 1h 2h 3h 4h 12h 1d 3d 7d
|
|
|
+ STR log(share) ROV log(return) ROV*log(return) ROS
|
|
|
+ 整体、整体曝光对应、推荐非冷启root、推荐冷启root、分省份root
|
|
|
+ 视频基础: 2个 视频时长、比特率
|
|
|
+ 用户: 4+8 = 12个
|
|
|
+ 播放次数 --> 6h 1d 3d 7d --> 4个
|
|
|
+ 带回来的分享pv 回流uv --> 12h 1d 3d 7d --> 8个
|
|
|
+ 人+vid-title: 5*3*3 = 45
|
|
|
+ 播放点/回流点/分享点/累积分享/累积回流 --> 1d 3d 7d --> 匹配数量 语义最高相似度分 语义平均相似度分 --> 45个
|
|
|
+ 人+vid-cf: 2*3*3 = 12
|
|
|
+ 基于分享行为/基于回流行为 --> “分享cf”+”回流点击cf“ 相似分 相似数量 相似rank的倒数 --> 12个
|
|
|
+ 头部视频: 3
|
|
|
+ 曝光 回流 ROVn 3个特征
|
|
|
场景:
|
|
|
- 小时 星期 apptype city province pagesource 机器型号
|
|
|
+ 小时 星期 apptype city province pagesource 机器型号
|
|
|
+ 总量: 240+2+12+45+12+3 = 314
|
|
|
+ ---------------------------------------------------------------
|
|
|
+ 视频特征:
|
|
|
+
|
|
|
+
|
|
|
*/
|
|
|
|
|
|
|
|
@@ -258,7 +253,7 @@ object makedata_recsys_61_originData_20241209 {
|
|
|
record
|
|
|
}
|
|
|
|
|
|
- def funcC34567ForTags(tags: String, title: String): Tuple4[Double, String, Double, Double] = {
|
|
|
+ def funcC34567ForTagsW2V(tags: String, title: String): Tuple4[Double, String, Double, Double] = {
|
|
|
// 匹配数量 匹配词 语义最高相似度分 语义平均相似度分
|
|
|
val tagsList = tags.split(",")
|
|
|
var d1 = 0.0
|
|
@@ -270,7 +265,7 @@ object makedata_recsys_61_originData_20241209 {
|
|
|
d1 = d1 + 1.0
|
|
|
d2.add(tag)
|
|
|
}
|
|
|
- val score = Similarity.conceptSimilarity(tag, title)
|
|
|
+ val score = SimilarityUtils.word2VecSimilarity(tag, title)
|
|
|
d3 = if (score > d3) score else d3
|
|
|
d4 = d4 + score
|
|
|
}
|