Flink-Learning训练营：课时1：基于Swing算法的商品推荐
课程地址：https://developer.aliyun.com/trainingcamp/0bcc1ab57cf841a2af632d6252fecbab
基于Swing算法的商品推荐
内容简介
一、实验准备
二、实验内容
三、实验收获
一、实验准备
（1）领取flink和oss的免费试用资源
实验开始前，请先领取flink和oss的免费试用资源。这是领取资源的链接 https://free.aliyun.com/?searchKey=flink 。搜索oss或flink即可领取免费的资源。
（2）开通阿里云机器学习平台pad designer的工作空间
这是工作空间的链接 https://pai.console.aliyun.com 。请选择和Flink资源相同的一个区域，开通默认的工作空间。开通时可以忽略组合开通这里的提示。本实验的重点内容是介绍以PAI-designer机器学习平台为基础，以对象存储oss作为业务数据的存储路径，使用的sinner平台的索引算法组件，搭建一个推荐系统。
二、实验内容
(1)算法介绍
Flink ML算法库，是基于flink的流批一体的机器学习算法库。目前，flint ML支持了40余个算法，包括分类回归区类特征工程，评估等。这是FlinkML的项目链接[release]Update version to 2.4-SANOSHOT 。欢迎大家在get up上查看FlinkML材料项目。本次实验介绍的swing算法，其代码也在这里
SWING算法是一种召回算法，它考虑用户商品关系图中的用户商品，用户结构如下，图中的ijk是商品，uv是用户。对于点击过商品I和g的用户，如果用户共同点击的其他商品预约, i和g的相似度越高。基于这一思想商品的相似度计算公式如下，在上式中UI表示点击商品I的所有用户，iu表示用户u点击的所有商品，阿尔法一和贝塔是平滑参。
（2）如何上传数据到对象存储oss
下面我们介绍如何上传数据到对象存储oss。本实验使用的数据是89000条，亚马逊用户的杂志类商品购买记录数据的下载链接，提供在教程里，数据是csv格式，
其各列从左至右的含义依次是用户ID商品ID用户的打分和时间戳。下面介绍如何上传数据到oss。如果您没有使用过oss，请先创建一个和designer工作空间区域相同的bucket，
然后进入bucket。选择上传文件，扫描文件。
(3)在designer的平台搭建一个推荐系统
下面介绍如何在designer的平台搭建一个推荐系统。
我们进入工作空间，先绑定领取的免费资源，在工作空间详情页面计算资源，资源管理。选择flink全托管资源，我们这里已经关联了免费资源，并且将它选为了默认资源。然后进入designer开发界面。新建一个工作流，进入工作流。在工作流数据存储这里，我们选择一个oss路径，我是数据和模型的保存路径，在左侧的工具栏里,先拖拽一个读取csv文件的组件。文件来源选择oss选择我们的数据文件，输入文件的Schema，然后搜索swing训练组件。输入item的命名和user列名，这里的列名和这里的csv组件的sky MA名称应该保持一致。在参数设置这里，阿尔法参数用户阿尔法参数和用户贝塔参数分别对应这里
的阿尔法，阿尔法一和贝塔。可以使用默认参数。此问推荐组件的第一个端口，我们连接swing训练组件的输出，第二个端口，我们连接csv组件。这里的item列名依然和csv文件的item列名保持一致，然后为结果链输入一个合适的名称。然后点击一下页面的空白处，在默认执行资源类型里选择flink。然后点击运行。对于运行中的节点，我们可以右键查看日志，点击日志中的v VP job URL。来到flink实时计算的作业运维界面，可以查看当前作业的状态，这是私印算法的运行图
现在作业已经全部结束了，再次查看日志。找到输出文件的存储路径，这个路径名是由节点ID作业ID拼接而成的。复制这个路径
在oss的文件名前缀匹配里粘贴。因为文件格式不支持预览，所以我们需要将它下载到本地。这是下载后的文件，它是由逗号分割的cs cv文件，它的最后一列是推荐结果。推荐结果是一个jason格式的字符串。Item的内容是相似商品的编号score的内容是相似度得分。Score和item的内容是一一对应的。以上就是基于spring算法的商品推荐的全部内容。
三、实验收获
做完本实验后，你将能够了解swing算法，学会使用派第三的品牌搭建模型，并提交作业,使用flint实时计算平台，查看作业日志使用对象存储oss进行读写。
