prediction.io- 설정으로 영화 추천 앱을 만듭니다

이 자습서는 Open-Source Machine Learning Server, Predictionio를 사용하여 영화 추천 앱을 구축함으로써 안내합니다. 이 강력한 도구는 항목을 추천하고 사용자 동작을 예측하며 항목 유사성을 식별 할 수있는 응용 프로그램 작성을 단순화합니다. 프로세스에 뛰어 들어 봅시다.

주요 개념 :

Predictionio는 권장 엔진 및 예측 응용 프로그램을 구축하는 데 이상적인 오픈 소스 머신 러닝 서버입니다. 복잡한 알고리즘을 처리하여 응용 프로그램 개발에 집중할 수 있습니다. 예측을 설정하려면 Java (버전 6 이상) 및 MongoDB가 필요합니다. 설치 후 Port 9000에서 웹 인터페이스에 액세스하여 사용자 및 응용 프로그램을 작성하십시오. Predictionio 내의 영화 추천 엔진은 사용자 정의 가능성이 높으므로 항목 유형, 교육 일정 (CRON 표현식 사용), 권장 환경 설정 (신선도, 세렌디피티 등) 및 권장 목표를 정의 할 수 있습니다. 응용 프로그램 자체에는 사용자가 영화를 평가하는 학습 단계와 앱이 사용자 입력을 기반으로 영화를 제안하는 권장 단계의 두 단계가 포함됩니다. 우리는 Moviedb API를 사용하여 영화 데이터를 가져옵니다.

설치 및 설정 :

• 이 자습서는 Linux 환경을 가정합니다. 다른 운영 체제의 경우, 간소화 된 설정에 개선 된 홈스테드를 사용하는 것을 고려하십시오.
.
• 예측을 다운로드하여 원하는 위치로 추출하십시오 제공된 설정 스크립트를 사용하여 전제 조건 (Java 6 및 MongoDB)을 설치하십시오. 시작 예측 시작 :
• 에 액세스하십시오. 새 앱을 만들고 (예 : "Movie_Recommendations") 앱 키에 주목하십시오.

항목 추천 엔진 추가 (예 : "Movie-Recommender")

엔진 설정 구성 : 항목 유형 :
7. 기본값 (모든 항목 유형)으로 떠나십시오 훈련 일정 :
   분당 훈련을 위해
   • 로 설정 (Cron Expression). 추천 환경 설정 : 조정 , , ,
   및 조정. 이 예에서는 "모든 항목 추천"을 사용하겠습니다 추천 목표 : "Like"로 설정하십시오 0 * * * * ?
8. Moviedb API 통합 : 영화 데이터베이스 (TMDB)에서 API 키를 얻으려면 영화 데이터에 액세스하십시오. 응용 프로그램 개발 : freshness 앱은 학습 단계 (사용자 속도 영화)와 권장 단계 (앱이 영화를 제안 함)로 구성됩니다. serendipity unseen items only 설치 종속성 : seen actions number of recommendations : 에 추가하십시오
9. run 및 생성
: 다음을 추가하여 적절한 라우팅을 보장합니다

(필요한 경우 적절한 nginx 구성을 사용하십시오.)

앱 개발 : 라우팅 및 앱 초기화를 처리 할

파일을 만듭니다. Predictionio PHP SDK 및 Guzzle을 사용하여 학습 및 권장 단계를 처리 할 컨트롤러를 개발하여 Predictionio 및 MoviedB API와 각각 상호 작용합니다.

(학습 단계 예) (권장 단계 예) 결론 : 이 튜토리얼은 Predictionio와 함께 영화 추천 앱을 구축하기위한 토대를 제공합니다. 다음 단계에는 자세한 응용 프로그램 로직을 구현하고 MoviedB API에 연결하고 사용자 인터페이스를 작성하는 것이 포함됩니다. 오류 조건을 처리하고 성능을 최적화해야합니다

위 내용은 prediction.io- 설정으로 영화 추천 앱을 만듭니다의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!