টেনসরফ্লো সুপারিশকারীরা

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]}")
একটি নোটবুক চালান
টেনসরফ্লো সুপারিশকারীরা (টিএফআরএস) বিল্ডিং সুপারিশকারী সিস্টেম মডেলগুলির জন্য একটি গ্রন্থাগার।

এটি একটি সুপারিশকারী সিস্টেম তৈরির পুরো কর্মপ্রবাহে সহায়তা করে: ডেটা প্রস্তুতি, মডেল প্রণয়ন, প্রশিক্ষণ, মূল্যায়ন এবং স্থাপনা।

এটি কেরাসে নির্মিত এবং এখনও জটিল মডেলগুলি তৈরির ক্ষেত্রে আপনাকে নমনীয়তা দেওয়ার সময় একটি শিখার নমনীয় বক্ররেখার লক্ষ্য রাখে।

টিএফআরএস এটি সম্ভব করে তোলে:
  • নমনীয় সুপারিশ পুনরুদ্ধার মডেলগুলি তৈরি এবং মূল্যায়ন করুন।
  • অবাধে ইনকর্পোরেট আইটেমটি, ব্যবহারকারী এবং প্রসঙ্গ তথ্য সুপারিশ মডেলের মধ্যে।
  • ট্রেন বহু-টাস্ক মডেলের যে যৌথভাবে একাধিক সুপারিশ উদ্দেশ্য নিখুত।
TFRS ওপেন সোর্স এবং উপলব্ধ GitHub থেকে

আরো জানতে, দেখুন কিভাবে একটি সিনেমা recommender ব্যবস্থা গড়ে তুলতে টিউটোরিয়াল , অথবা পরীক্ষা এপিআই ডক্স এপিআই রেফারেন্সের জন্য।