帶TensorFlow的推薦系統（SVD）

我正在嘗試創建協作過濾算法，以向某些用戶推薦產品。帶TensorFlow的推薦系統（SVD）

我很快就開始工作，並開始使用TensorFlow（我認爲它足夠有效和靈活）。我發現這個代碼，做我感興趣的，創建模型和訓練用戶ID，產品和評分：https://github.com/songgc/TF-recomm

我啓動了代碼並訓練了模型。

訓練完模型之後，我需要做出預測，即爲每個用戶獲取建議，以便將它們保存在可從中用NODE.js應用程序訪問的數據庫中。

如何在培訓完成後檢索每個用戶的建議列表？

if __name__ == '__main__': 
    df_train, df_test=get_data() 
    svd(df_train, df_test) 
    print("Done!")

來源

2017-07-04 Gabriele Picco

您需要修改代碼的預測部分以輸出top K推薦的產品。其中預測是由當前的代碼是：

embd_user = tf.nn.embedding_lookup(w_user, user_batch, name="embedding_user") 
embd_item = tf.nn.embedding_lookup(w_item, item_batch, name="embedding_item") 
infer = tf.reduce_sum(tf.multiply(embd_user, embd_item), 1)

這裏embed_user是一個特定用戶的用戶的嵌入和embd_item是對特定項目。因此，不要將particular user與particular item進行比較，您需要對其進行更改以將其與所有項目進行比較。矩陣w_item是所有項目的嵌入。這可以這樣做：

embd_user = tf.nn.embedding_lookup(w_user, user_batch, name="embedding_user") 
# Multiply user embedding of shape: [1 x dim] 
# with every item embeddings of shape: [item_num, dim], 
# to produce rank of all items of shape: [item_num] 
predict = tf.matmul(embd_user, w_item, transpose_b=True)

然後你可以選擇top k指數在預測輸出的最大的。

來源

2017-07-08 07:03:25

好的完美。當我使用具有字母數字ID而不是int32的DB數據時，我在embedding_lookup上出現錯誤，錯誤爲：「TypeError：傳遞給參數'indices'的值的DataType字符串不在允許值列表中：int32，int64」。我該如何解決它？ –

你能告訴我哪一行是錯誤嗎？什麼是'數據庫數據'？在embedding_lookup中，您輸入的內容是什麼，導致了這個錯誤？ –

導致錯誤的行之一：「embd_user = tf.nn.embedding_lookup（w_user，user_batch，name =」embedding_user「）」。這是因爲從我的數據庫加載的ID是字母數字而不是int32：https://www.dropbox.com/s/9s4vxsciue3mu38/Schermata%202017-07-08%20alle%2010.32.48.png?dl=0 。然後用戶批處理的類型爲tf.string：「user_batch = tf.placeholder（tf.string，shape = [None]，name =」id_user「）」 –

您可以運行

predict_result = sess.run(inter_op, feed_dict={user_batch:users, item_batch:items})

哪些用戶是指所有項目ID的所有用戶ID和項目，並predict_result是每一個用戶的所有項目的得分，你可以在predict_result存儲到數據庫;

來源

2017-07-06 11:25:10

因此，如果我必須爲每個用戶找到10個推薦產品，那麼我是否必須手動將所有產品與每個用戶相結合，然後找到前10名？沒有更高效的方法嗎？ predict_result = sess.run（infer，feed_dict = {user_batch：[users [0]，users [0]，users [0] .........]，item_batch：[items [0]，items [1]，項目[2] ................]}） –

帶TensorFlow的推薦系統（SVD）

回答

相關問題