[英]How to integrate a recommendation system into an Android app?
我想在我的Android應用程序中添加推薦系統(特別是協作過濾)。 我已經使用django rest API創建了后端。
現在我不確定應該在哪里合並推薦引擎。我環顧四周並了解django-recommender
程序包,但是我不確定它處理大量數據的性能如何。大數據選項,我已經在HPCC平台上工作。
如果是,我應該如何將其與我的應用程序集成。
首先,您需要准備一個API,並且已實現所需的推薦程序算法(引擎)。 通常,您可以通過向端點發送HTTP請求來從您的Android應用訪問此API(請參閱如何在Android中發送HTTP請求 )。
現在,有兩種方法可以訪問推薦引擎。
自己構建它-這通常涉及對幾種方法進行廣泛的研究,學習一種新的編程語言(例如Neo4J等)以及實現和托管該引擎(每月的費用可能會很高)
進入“ 推薦算法即服務”庫,例如Abracadabra Recommender API 。 設置非常簡單:您只需要向API發送HTTP調用即可訓練模型並接收建議。 查看文檔 。
通過使用Abracadabra Recommender API,在使用Java
,您首先要將數據添加到模型中:
// These code snippets use an open-source library. http://unirest.io/java
HttpResponse<JsonNode> response = Unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/add/subjects?recommenderId=rec1&subjectId=See+docs")
.header("X-Mashape-Key", "<required>")
.header("Accept", "application/json")
.header("Content-Type", "application/json")
.asJson();
然后,您通過對主題(例如電影)進行評分或喜歡的主題來訓練模型:
// These code snippets use an open-source library. http://unirest.io/java
HttpResponse<JsonNode> response = Unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/rate/subject?recommenderId=rec1&subjectId=gameofthrones&subjectWeight=10&userId=user1")
.header("X-Mashape-Key", "<required>")
.header("Accept", "application/json")
.header("Content-Type", "application/json")
.asJson();
完成后,您將收到基於內容,協作或混合過濾的建議,如下所示:
// These code snippets use an open-source library. http://unirest.io/java
HttpResponse<JsonNode> response = Unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/recommend?method=content&recommenderId=rec1&userId=user1")
.header("X-Mashape-Key", "<required>")
.header("Accept", "application/json")
.header("Content-Type", "application/json")
.asJson();
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.