TensorFlow अनुशंसाकर्ता

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]}")
एक नोटबुक में चलाएँ
TensorFlow Recommenders (TFRS) अनुशंसा प्रणाली मॉडल बनाने के लिए एक पुस्तकालय है।

यह एक अनुशंसा प्रणाली के निर्माण के पूर्ण वर्कफ़्लो में मदद करता है: डेटा तैयार करना, मॉडल तैयार करना, प्रशिक्षण, मूल्यांकन और परिनियोजन।

यह केरस पर बनाया गया है और इसका उद्देश्य आपको जटिल मॉडल बनाने के लिए लचीलापन प्रदान करते हुए एक सौम्य सीखने की अवस्था है।

TFRS इसे संभव बनाता है:
  • लचीले अनुशंसा पुनर्प्राप्ति मॉडल बनाएं और उनका मूल्यांकन करें।
  • स्वतंत्र रूप से शामिल आइटम, उपयोगकर्ता, और संदर्भ जानकारी सिफारिश मॉडल में।
  • ट्रेन बहु कार्य मॉडल है कि संयुक्त रूप से कई सिफारिश उद्देश्यों को अनुकूलित करें।
TFRS खुला स्रोत और उपलब्ध है Github पर

अधिक जानने के लिए, कैसे एक फिल्म recommender प्रणाली का निर्माण करने पर ट्यूटोरियल , या जाँच एपीआई डॉक्स API संदर्भ के लिए।