spark的ALS协同过滤查询

根据提供的引用内容，以下是一个使用Spark的ALS协同过滤算法进行查询的示例程序：

from pyspark.ml.recommendation import ALS
from pyspark.sql import SparkSession

# 创建SparkSession
spark = SparkSession.builder.appName("ALS Recommendation").getOrCreate()

# 加载训练数据
data = spark.read.csv("train_data.csv", header=True, inferSchema=True)

# 创建ALS模型
als = ALS(userCol="userId", itemCol="itemId", ratingCol="rating", coldStartStrategy="drop")
model = als.fit(data)

# 查询用户的推荐商品
user_id = 1
recommendations = model.recommendForUserSubset(spark.createDataFrame([(user_id,)], ["userId"])).collect()[0][1]

# 打印推荐结果
for row in recommendations:
    print("User:", row.userId)
    print("Recommended Items:", row.recommendations)

# 关闭SparkSession
spark.stop()

这个示例程序使用Spark的ALS算法模型对训练数据进行训练，并根据用户ID查询推荐的商品。你可以将训练数据替换为你自己的数据集，并将用户ID更改为你想要查询的用户ID。