传ofo高管“一人一辆特斯拉”

12月18日音讯，价值兄发现，近日盘绕ofo小黄车内部的资金及管理层问题加剧。来自创业邦、《财新周刊》和新浪科技等多家媒体征引ofo内部人士称，ofo小黄车内部贪腐问题严重，居然用超越30亿元的押金支付供给商欠款，且ofo小黄车每位高管“一人一辆特斯拉”。据价值兄了解，一辆特斯拉豪车的价钱超越70万元人民币，最高售价以至高达100多万元。

据《财新周刊》报道称，一名股东公司人士透露了ofo小黄车的资金链状况，称ofo用超越30亿元押金用于支付供给链欠款。此外，ofo管理层朴素成风，“一人一辆特斯拉”。对此，ofo向新浪科技表示，贪腐问题的指控严重不实。但其未正面回应挪用押金问题。

《财新周刊》报道称，截止2017年12月1日，ofo账面包含押金在内的可动用现金，仅剩下3.5亿元，共计超越30亿元押金用于支付供给链欠款；而摩拜单车方面亦运用押金超越40亿元，账面现金尚有70亿元。此外，ofo的供给链回扣一度抵达一辆自行车10元，而ofo内部管理层朴素品消费成风。

创业邦则报道称，对此，ofo小黄车方面表示，股东人士对高管贪腐问题的指控严重失实，“我们将坚决清查造谣者的法律义务。作为创业者，我们尊重并感激资本，希望投资人给予创业者基本的尊重”。

此外，ofo小黄车内部人士以为，此文大量运用匿名信源，未经多方核实，没有对企业中止采访，有失财新坚持的新闻专业主义水准。

今年6月份，有网友爆料称，天津刘园ofo维修厂罢工，有员工拉横幅讨薪，横幅上写有“小黄车还我血汗钱”字样。随后，ofo小黄车官方回应，该事情系供给商拖欠员工工资。

另据《华夏时报》报道，位于天津王庆坨单车厂家的多位企业担任人都表示，ofo与该企业有欠款，“我们行业为ofo做加工的组装厂都停了，ofo往常欠着加工厂的钱。”而另一家单车企业的销售担任人也对记者表示，据他了解，往常给ofo做的同行曾经有半年多没有拿到款。“往常ofo在好多大厂压了不少钱。做着做着资金就跟不上了。”

据价值兄了解，ofo小黄车前身是ofo骑游。2014年初，戴威和团队从青海终了支教回归后，创建ofo骑游。ofo小黄车目前的开创团队包含：戴威，ofo小黄车开创人兼CEO，ofo党委书记；薛鼎，ofo小黄车开创合伙人；张巳丁，ofo小黄车开创合伙人；杨品杰，ofo小黄车分离开创人；于信，ofo小黄车分离开创人。

int rank = 10;

int numIterations = 10;

MatrixFactorizationModel model = ALS.train(JavaRDD.toRDD(ratings), rank, numIterations, 0.01);

JavaRDD<Tuple2<Object, Object>> userProducts = ratings.map(new Function<Rating, Tuple2<Object, Object>>() {

@Override

public Tuple2<Object, Object> call(Rating r) throws Exception {

return new Tuple2<Object, Object>(r.user(www.chushiyl.cn ), r.product());

}

});

JavaPairRDD<Tuple2<Integer, Integer>, Double> predictions = JavaPairRDD.fromJavaRDD(

model.predict(JavaRDD.toRDD(userProducts)).toJavaRDD().map(

new Function<Rating, Tuple2<Tuple2<Integer, Integer>, Double>>() {

@Override

public Tuple2<Tuple2<Integer, Integer>, Double> call(

Rating r) throws Exception {

return new Tuple2<>(new Tuple2<www.2018yulpt.com>(r.user(), r.product()), r.rating());

}

}));

JavaRDD<Tuple2<Double, Double>> ratesAndPreds = JavaPairRDD.fromJavaRDD(ratings.map(

new Function<Rating, Tuple2<Tuple2<Integer, Integer>, Double>>() {

@Override

public Tuple2<Tuple2<Integer, Integer>, Double> call(

Rating r) throws Exception {

return new Tuple2<www.dfgjyl.cn>(new Tuple2<>(r.user(), r.product()), r.rating());

}

})).join(predictions).values();

double MSE = JavaDoubleRDD.fromRDD(ratesAndPreds.map(new Function<Tuple2<Double, Double>, Object>() {

@Override

public Object call(Tuple2<Double, Double> pair) throws Exception {

return Math.pow((pair._1() - pair._2()),2);

}

}).rdd()).mean();

System.out.println("Mean Squared Error = " + MSE);

// Save and load model

model.save(sc.sc(), "target/tmp/myCollaborativeFilter");

MatrixFactorizationModel sameModel = MatrixFactorizationModel.load(sc.sc(),

"target/tmp/myCollaborativeFilter");

//为每个用户中止引荐，引荐的结果能够以用户id为key，结果为value存入redis或者hbase中

List<String> users = data.map(new Function<String, String>() {

@Override

public String call(String s) throws Exception {

String[] sarray = s.split(",");

return sarray[0];

}

}).distinct(www.078881.cn).collect();

for (String user : users) {

Rating[] rs = model.recommendProducts(Integer.parseInt(user), numIterations);

String value = "";

int key = 0;

for (Rating r : rs) {

key = r.user(www.rbuluoyl.cn/);

value = value + r.product(www.dashidai1.com//) + ":" + r.rating() + "," ;

}

System.out.println(key + " " + value);

}

}

}

协同过滤ALS算法引荐过程如下：

加载数据到 ratings RDD，每行记载包含：user, product, rate

从 ratings 得到用户商品的数据集：(user, product)

运用ALS对 ratings 中止锻炼

经过 model 对用户商品中止预测评分：((user, product), rate)

从 ratings 得到用户商品的实践评分：((user, product), rate)

兼并预测评分和实践评分的两个数据集，并求均方差