Вы энтузиаст искусственного интеллекта и пристально следите за инновациями? Зарегистрируйтесь в Глобальном конкурсе инноваций в области искусственного интеллекта Alibaba Cloud и выиграйте по-крупному! Зарегистрируйтесь здесь ››
Автор GarvinLi
В этой статье технический эксперт Alibaba Аохай расскажет, как создать простую рекомендательную систему на основе Платформы машинного обучения для ИИ (PAI) за 10 минут. Эта статья посвящена четырем частям: персонализированный процесс рекомендаций, алгоритм совместной фильтрации, архитектура рекомендательной системы и практики.
1) Персонализированный процесс рекомендаций
Мы расскажем, как построить простую рекомендательную систему на основе PAI. Эта рекомендательная система имеет две характеристики. Во-первых, систему удобно строить с помощью разработанных нами инструментов. Во-вторых, эта система масштабируема. Все мы знаем, что в современных приложениях есть множество рекомендаций по потоковой передаче каналов, таких как рекомендации по рекламе и содержанию. Такое приложение по сути является рекомендательной системой. Рекомендательную систему можно разделить на два основных модуля. Первый - это модуль сопоставления, который отвечает за предварительную фильтрацию. Например, модуль может сузить 100 000 новостных лент-кандидатов до 500. Второй - это модуль ранжирования, который ранжирует 500 новостных лент на основе предпочтений пользователя, а затем генерирует окончательный рекомендуемый рейтинг. Простая рекомендательная система, в которой есть только соответствующий модуль, также может давать рекомендации. Если мы сузим эту область до минимально возможного, например до 10 новостных лент, мы сможем направить все 10 лент пользователям без ранжирования. Поэтому мы хотим использовать это видео, чтобы проиллюстрировать, как создать простую рекомендательную систему только с соответствующим модулем.
2) Совместная фильтрация
Многие алгоритмы доступны как для модулей сопоставления, так и для модулей ранжирования. Например, для модуля сопоставления доступны несколько алгоритмов матричной факторизации и алгоритм совместной фильтрации. Самый классический из них - это совместная фильтрация, которую легко понять. Мы проиллюстрируем это. Например, на следующем рисунке показаны предпочтения пользователей A, B и C. У пользователей A и C схожие вкусы. В частности, оба пользователя A и C любят рис и молоко. Кроме того, пользователю A нравится баранина, а пользователю C она не нравится. Мы предполагаем, что пользователь C также любит баранину и рассматривает баранину как результат сопоставления пользователя C. Это стандартная совместная фильтрация, основанная на статистике данных. Этот рисунок может помочь вам понять, как работает совместная фильтрация. Другими словами, мы сначала находим похожие элементы или пользователей, а затем определяем логику рекомендаций на основе корреляции между аналогичными пользователями или элементами. Обсуждаемая сегодня рекомендательная система основана на алгоритме совместной фильтрации.
3) Архитектура рекомендательной системы
На следующем рисунке показана общая архитектура рекомендательной системы, которая включает DataWorks, PAI-Studio, Tablestore, PAI-AutoLearning и PAI-EAS.
4) Практики
Сначала мы генерируем ваши данные результатов совместной фильтрации на основе ваших необработанных данных в PAI-Studio и получаем две таблицы.
Далее создаем две таблицы в Tablestore в нужном формате.
Затем мы используем DataWorks для переноса данных двух таблиц из PAI-Studio в Tablestore.
Затем в PAI-AutoLearning мы можем настроить политику для двух таблиц в Tablestore.
Наконец, мы преобразовываем эту политику в службу PAI-EAS. Вы можете узнать, как позвонить в эту службу, здесь. Результат, полученный пользователем, и есть эта услуга.
Чтобы обновить и перебрать все задействованные данные, вы можете изменить исходную таблицу. Весь комплекс услуг можно автоматизировать. Таким образом, вы можете использовать систему планирования данных DataWorks для создания автоматизированной системы. Затем вам нужно только обновлять необработанные данные ежедневно, а все остальные услуги могут быть выполнены автоматически.
Узнайте больше о платформе Alibaba Cloud Machine Learning Platform для AI (PAI) на странице https://www.alibabacloud.com/product/machine-learning
Мнения, выраженные здесь, предназначены только для справки и не обязательно отражают официальные взгляды Alibaba Cloud.
Первоисточник:
Получите доступ к экспертному обзору - Подпишитесь на DDI Intel
