Wie kann man Matrixfaktoren in Spark ALS-Empfehlungen erweitern?

ch bin ein Anfänger in der Welt des maschinellen Lernens und der Verwendung von Apache Spar
Ich habe das Tutorial unter @ verfolghttps: //databricks-training.s3.amazonaws.com/film-empfehlung-mit-mllib.html#augmenting-matrix-factor, und konnte die Anwendung erfolgreich entwickeln. Nun, da es erforderlich ist, dass die heutige Webanwendung von Echtzeitempfehlungen angetrieben wird, möchte ich, dass mein Modell für neue Daten bereit ist, die immer wieder auf den Server gelangen. Die Seite hat zitiert:

Eine bessere Möglichkeit, die Empfehlungen für Sie zu erhalten, besteht darin, zuerst ein Matrixfaktorisierungsmodell zu trainieren und dann das Modell mit Ihren Bewertungen zu erweitern.

Wie mache ich das? Ich verwende Python, um meine Anwendung zu entwickeln. Bitte sagen Sie mir auch, wie ich das Modell für die erneute Verwendung beibehalten oder wie ich es mit einem Webdienst verknüpfe. Ihnen zu danke

Antworten auf die Frage(2)

Ihre Antwort auf die Frage