spark模拟推荐数据

要模拟推荐数据可以通过使用Spark的机器学习库来生成。以下是一个简单的示例，用于生成模拟的推荐数据：

import org.apache.spark.ml.recommendation.ALS
import org.apache.spark.sql.functions.{col, explode}

// 创建一个虚拟用户数据集
val users = Seq(
  (1, "Alice"),
  (2, "Bob"),
  (3, "Charlie")
).toDF("userId", "userName")

// 创建一个虚拟商品数据集
val items = Seq(
  (1, "Apple"),
  (2, "Banana"),
  (3, "Orange"),
  (4, "Pineapple")
).toDF("itemId", "itemName")

// 创建虚拟用户行为数据集
val ratings = Seq(
  (1, 1, 5.0),
  (1, 2, 4.0),
  (1, 3, 2.0),
  (2, 1, 3.0),
  (2, 2, 4.0),
  (2, 3, 5.0),
  (3, 1, 2.0),
  (3, 2, 3.0),
  (3, 3, 4.0),
  (3, 4, 5.0)
).toDF("userId", "itemId", "rating")

// 创建ALS模型
val als = new ALS()
  .setMaxIter(10)
  .setRegParam(0.01)
  .setUserCol("userId")
  .setItemCol("itemId")
  .setRatingCol("rating")

// 拟合模型
val model = als.fit(ratings)

// 为每个用户生成推荐
val userRecs = model.recommendForAllUsers(3)

// 展开推荐列表
val explodedRecs = userRecs.select(col("userId"), explode(col("recommendations")))

// 加入商品名称
val recommendedItems = explodedRecs
  .select(col("userId"), col("col.itemId"), col("col.rating"))
  .join(items, explodedRecs("col.itemId") === items("itemId"))
  .select(col("userId"), col("itemId"), col("itemName"), col("rating"))

// 展示结果
recommendedItems.show()

这个示例使用ALS模型生成虚拟的推荐数据，并将其与商品名称一起展示。你可以根据需要调整模型参数和数据生成方法。