От электронной коммерции до коротких видеороликов, рекомендательные системы широко используются в различных сценариях, но построить эффективную рекомендательную систему непросто.TensorFlow RecommendersЭто такая библиотека, специально созданная для создания эффективных и масштабируемых рекомендательных систем.
Затем представьте TensorFlow Recommenders, чтобы создать систему отзывов, чтобы представить библиотеку TensorFlow Recommender.
Рекомендуемая система
Система рекомендаций: рекомендуемые данные на основе поведения пользователя. Данные о поведении пользователя и данные о поведении других пользователей в прошлом могут помочь спрогнозировать следующий рекомендуемый контент для пользователя.
Сложность рекомендательных систем
- Большинство рекомендательных систем, основанных на нейронных сетях, будут состоять из нескольких компонентов.
Некоторые трудности в рекомендательных системах
- Трудно обучать: Высокоширотные, разреженные крупномасштабные модели. Необходимо решить проблему многокритериальной оптимизации.
- Трудно оценить: офлайн-показатели могут быть абсолютно неизменными. Долгосрочные эффекты обучения в онлайн-испытаниях трудно оценить.
- Сложность развертывания: большой словарный запас требует отзыва близости для уменьшения задержки. Большинство моделей включают несколько процессов, таких как отзыв, грубая сортировка и точная сортировка.
Основной код
Просмотр набора данных (кинообъектив)
Случайным образом перемешать и разделить набор данных
Подготовьте словарь названий фильмов и идентификаторов пользователей (для сопоставления)
Демонстрация: модель отзыва с двумя башнями
Определить башню запроса, башню входа кандидата
Определить метрики модели, функцию потерь при обучении
объединены в полноценную модель
Скомпилируйте модель и подготовьте наборы данных для обучения и тестирования.