TensorFlow Önerileri

import tensorflow_datasets as tfds
import tensorflow_recommenders as tfrs

# Load data on movie ratings.
ratings = tfds.load("movielens/100k-ratings", split="train")
movies = tfds.load("movielens/100k-movies", split="train")

# Build flexible representation models.
user_model = tf.keras.Sequential([...])
movie_model = tf.keras.Sequential([...])

# Define your objectives.
task = tfrs.tasks.Retrieval(metrics=tfrs.metrics.FactorizedTopK(
    movies.batch(128).map(movie_model)
  )
)

# Create a retrieval model.
model = MovielensModel(user_model, movie_model, task)
model.compile(optimizer=tf.keras.optimizers.Adagrad(0.5))

# Train.
model.fit(ratings.batch(4096), epochs=3)

# Set up retrieval using trained representations.
index = tfrs.layers.ann.BruteForce(model.user_model)
index.index_from_dataset(
    movies.batch(100).map(lambda title: (title, model.movie_model(title)))
)

# Get recommendations.
_, titles = index(np.array(["42"]))
print(f"Recommendations for user 42: {titles[0, :3]}")
TensorFlow Önerileri (TFRS), öneri sistemi modelleri oluşturmaya yönelik bir kitaplıktır.

Bir öneri sistemi oluşturmanın tam iş akışına yardımcı olur: veri hazırlama, model oluşturma, eğitim, değerlendirme ve dağıtım.

Keras üzerine inşa edilmiştir ve size karmaşık modeller oluşturma esnekliği verirken yumuşak bir öğrenme eğrisine sahip olmayı amaçlar.

TFRS aşağıdakileri mümkün kılar:
  • Esnek öneri alma modelleri oluşturun ve değerlendirin.
  • Özgürce anonim öğe, kullanıcı ve bağlam bilgisi tavsiye modellere.
  • Tren çoklu görev modellerini ortaklaşa birden öneri hedeflerini optimize eder.
TFRS açık kaynak ve kullanılabilir Github .

Daha fazla bilgi için bkz bir film recommender sistemi oluşturmak için nasıl öğretici veya çek API docs API başvuru için.