推荐系统

概述

推荐系统（Recommender System）模型基于神经协同过滤模型。该模型可在包含用户、项目、评级和时间戳的数据集上进行训练，并为给定用户提供个性化项目推荐。经过训练后，模型的输入是用户 ID，输出是推荐项目 ID 的列表，并按估计的倾向分数降序排序。出于演示目的，此模型已在 MovieTweetings 数据集的一个子集上进行了训练，这其中包含 457 个用户，为了方便起见，将其 ID 从 0 映射到 457。

模型元数据

参考资料

• X.He, L. Liao, H. Zhang, L. Nie, X. Hu, T. Chua, “Neural Collaborative Filtering”, WWW 2017.
• Microsoft 推荐系统 GitHub 代码库

许可

可用于部署此模型的选项

可使用以下方法部署此模型：

• 从 Dockerhub 部署：

  docker run -it -p 5000:5000 codait/max-recommender
  

  Show more

• 在 Red Hat OpenShift 上部署：

  遵循本教程中有关 OpenShift Web 控制台或 OpenShift Container Platform CLI 的操作说明，并指定 codait/max-recommender 作为镜像名称。

• 在 Kubernetes 上部署：

  kubectl apply -f https://raw.githubusercontent.com/IBM/MAX-Recommender/master/max-recommender.yaml
  

  Show more
• 本地部署：遵循 GitHub 上的模型 README 文件中的操作说明

可用于训练此模型的选项

可使用以下方法训练此模型：

• 在 IBM Cloud – Watson Machine Learning 上训练：遵循 GitHub 上的模型训练 README 文件中的操作说明。

用法示例

您可以通过以下方式测试或使用此模型

• 使用 cURL
• 在无服务器应用中

使用 cURL 测试该模型

部署之后，您可以通过命令行测试该模型。例如，如果在本地运行：

$ curl -X POST "http://localhost:5000/model/predict?user_id=1&num_results=5" -H "accept: application/json"

{
  "status": "ok",
  "predictions": [
      {
      "user": "1",
      "item": "1454468",
      "prediction": 0.995230495929718
    },
    {
      "user": "1",
      "item": "1300854",
      "prediction": 0.9938176274299622
    },
    {
      "user": "1",
      "item": "77413",
      "prediction": 0.9930911064147949
    },
    {
      "user": "1",
      "item": "1731141",
      "prediction": 0.9929673671722412
    },
    {
      "user": "1",
      "item": "363226",
      "prediction": 0.9914621710777283
    }
  ]
}

在无服务器应用中测试该模型

您可以通过遵照在 IBM Cloud Functions 中利用深度学习教程中的操作说明，在无服务器应用程序中使用该模型。

本文翻译自：Recommender System（2020-05-04）