पायथन/Django के लिए एक अच्छा सहयोगी फ़िल्टरिंग/मिलान/सिफारिश पुस्तकालय?

Question

मैं एक लाइब्रेरी की तलाश में हूं जिसका उपयोग मैं अपने उपयोगकर्ताओं से अन्य Django मॉडल से सवालों के जवाब के आधार पर मिलान करने के लिए कर सकता हूं - मेरा खुद का डीजेंगो मॉडल भी।

तो मैं कुछ अनुकूलन अच्छा प्रलेखन/समर्थन के साथ, है, और उम्मीद है कि बहुत लागू करने के लिए मुश्किल नहीं चाहते हैं!

किसी को भी किसी भी अच्छा सिफारिशों है? मैंने क्रैब और डीजेगो-अनुशंसाकर्ता को देखा है, लेकिन न ही बहुत अच्छी तरह से प्रलेखित होने लगते हैं।

मूल रूप से मैं क्या है दो सर्वेक्षण अनुप्रयोगों, इसी के साथ, लेकिन समान नहीं, सवाल और जवाब है। जैसे ऐप 1 में एक प्रश्न "आप कितनी रात एक हफ्ते पी सकते हैं?" और उदाहरण में पहले प्रश्न के लिए एक विदेशी कुंजी के साथ, एप 2 में एक प्रश्न "कितनी रात एक सप्ताह पीने की उम्मीद है?" हो सकता है। मैं इन प्रश्नों के जवाबों को लेना चाहता हूं और उपयोगकर्ताओं को समूह 2 की सिफारिशों के आधार पर उपयोगकर्ताओं को एक दूसरे के साथ प्रत्येक सेट से जोड़ना चाहता हूं, जो समूह 1 में पहले से उपयोग किए जाने वाले उपयोगकर्ताओं के आधार पर है।

Answer 1

वे मुक्त स्टैनफोर्ड एमएल कक्षा में इस विषय को कवर किया। http://www.ml-class.org/course/video/preview_list

पर अध्याय XVI के लिए वीडियो की जाँच करें हालांकि कार्यान्वयन पर चर्चा की है मैटलैब/सप्तक यह और भी आसान अगर आप Numpy

उपयोग कर रहे हैं अजगर में लागू करना मुश्किल नहीं होना चाहिए

Answer 2

वहाँ कुछ अच्छी किताबें अजगर के साथ संयुक्त सामाजिक मीडिया के विषय पर वहाँ बाहर हैं।

• http://shop.oreilly.com/product/0636920010203.do
• http://shop.oreilly.com/product/0636920020424.do

Answer 3

एक बहुत लचीला समाधान है कि किसी भी कोडिंग में काम करता है भाषा (पायथन सहित) Abracadabra Recommender API है।

मूल रूप से यह सेवा लाइब्रेरी के रूप में अनुशंसाकर्ता एल्गोरिदम है। सेटअप बहुत सरल है: आपको केवल अपने मॉडल को प्रशिक्षित करने और सिफारिशें प्राप्त करने के लिए एपीआई एंडपॉइंट यूआरएल में HTTP कॉल (जिसे आप Django के साथ कर सकते हैं) भेजने की आवश्यकता है। View the docs how।

मंत्र Recommender एपीआई, साथ

जब Python का उपयोग कर, आप पहली बार अपने मॉडल के लिए डेटा जोड़ने:

# These code snippets use an open-source library. http://unirest.io/python 
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/add/subjects?recommenderId=rec1&subjectId=See+docs", 
    headers={ 
    "X-Mashape-Key": "<required>", 
    "Accept": "application/json", 
    "Content-Type": "application/json" 
    } 
) 

तो फिर तुम रेटिंग द्वारा मॉडल को प्रशिक्षित या (उदाहरण के फिल्मों के लिए) विषयों को पसंद करने:

# These code snippets use an open-source library. http://unirest.io/python 
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/rate/subject?recommenderId=rec1&subjectId=gameofthrones&subjectWeight=10&userId=user1", 
    headers={ 
    "X-Mashape-Key": "<required>", 
    "Accept": "application/json", 
    "Content-Type": "application/json" 
    } 
) 

एक बार किया है, तो आप सिफारिशों सामग्री आधारित, सहयोगात्मक या हाइब्रिड छानने के आधार पर इस प्रकार प्राप्त करते हैं:

# These code snippets use an open-source library. http://unirest.io/python 
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/recommend?method=content&recommenderId=rec1&userId=user1", 
    headers={ 
    "X-Mashape-Key": "<required>", 
    "Accept": "application/json", 
    "Content-Type": "application/json" 
    } 
) 

आप अन्य भाषाओं में और अधिक उदाहरण देखने, सहित कर सकते हैं Angular, React, Javascript, NodeJS, Curl, Java, Python, Objective-C, Ruby, .NET ... API homepage पर।