Da the official documentation del Abracadabra Recommender API, si inizia distinguendo tra:
Soggetti: Queste sono le entità che si desidera raccomandare a un utente. Un film o un articolo è ad esempio un soggetto. I soggetti sono caratterizzati dal fatto che hanno determinati attributi o contenuti che li distinguono tra i vari soggetti.
Attributi: un attributo è un termine generico per una caratteristica di un soggetto. Questo può essere qualsiasi cosa e dipende davvero da come si definisce l'argomento. Nell'esempio in cui il soggetto è un film, un attributo potrebbe essere il genere, ad es. avventura, azione, fantascienza. Un attributo potrebbe essere anche una parola chiave presente nella descrizione di questo film, il nome dell'attore, l'anno in cui è stato pubblicato un film, ecc.
Utenti: come suggerisce il nome, questa è la persona che desidera ricevere raccomandazioni su determinati argomenti.L'utente costruisce un profilo utente gradendo attributi o soggetti (e successivamente gli attributi allegati).
flusso C'è un flusso generale (ordine in cui viene fatto cose) che è rilevante per qualsiasi tipo di sistema di raccomandazione e che è anche intuitivamente facile da capire.
La prima cosa che dobbiamo sempre fare è riempire il motore del recommender con i soggetti e i loro attributi corrispondenti. Di solito questo deve essere fatto solo una volta, ma può anche essere fatto dinamicamente. Ad esempio, se si consiglia di articoli, si consiglia di farlo ogni volta che viene aggiunto un articolo al tuo sito Web o blog.
Il secondo passaggio è inserire le preferenze di un utente. Insieme all'id univoco del tuo utente, puoi addestrare il sistema recommender piacendo o non gradendo certi soggetti o attributi. Ad esempio, a un utente potrebbe essere mostrato un elenco di film e lui/lei è data la possibilità di assegnare a ciascun film una valutazione. In alternativa, l'utente potrebbe creare un profilo inserendo gli attributi che preferisce (ad esempio, quali generi, parole chiave, data di rilascio, ecc.). Questa parte spetta a te decidere e alla logica del tuo progetto.
Una volta che il sistema è stato addestrato (pieno di argomenti e preferenze dell'utente), allora possiamo chiamare il motore per fornirci raccomandazioni. Puoi farlo una volta, ma anche dinamicamente (riqualificando così il modello dopo ogni feedback ricevuto dall'utente). Poiché l'utente fornisce più feedback, il modello diventa migliore e le raccomandazioni si avvicinano alle reali preferenze dell'utente.
Si noti che con lo Abracadabra Recommender API è necessario solo inviare chiamate HTTP all'API per addestrare il modello e ricevere consigli. È possibile accedere all'API utilizzando qualsiasi lingua, quindi dal proprio sito Web o app (Angular, React, Javascript ...) o dal proprio server (NodeJS, Curl, Java, Python, Objective-C, Ruby, .NET ...) .
Grazie per il suggerimento del libro! – John