Milvus x PaddlePaddle | 手把手搭建个性化推荐系统
【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 作者:陈室余 点击查看 -> Milvus Repo 背景介绍 在网络技术不断发展和电子商务规模不断扩大的背景下,商品数量和种类快速增长,用户需要花费大量时间才能找到自己想买的商品,这就产生了 信息过载 问题。为了解决这个问题,个性化推荐系统(Recommender System)应运而生。 个性化推荐系统是信息过滤系统(Information Filtering System)的子集,它可以用在很多领域,如电影、音乐、电商和 Feed 流推荐等。个性化推荐系统通过分析、挖掘用户行为,发现用户的个性化需求与兴趣特点,将用户可能感兴趣的信息或商品推荐给用户。与搜索引擎不同,个性化推荐系统不需要用户准确地描述出自己的需求,而是根据用户的历史行为进行建模,主动提供满足用户兴趣和需求的信息。 本文利用 PaddlePaddle 深度学习平台建立模型,结合 Milvus 向量相似度检索引擎,搭建个性化推荐系统,可以快速准确地为用户提供感兴趣的信息。 数据准备 以 MovieLens 百万数据集 (ml-1m) 为例进行介绍,ml-1m 数据集包含了 6,000 位用户对 4,000 部电影的 1,000,000 条评价,由 GroupLens Research 实验室搜集整理。在原始数据中包含电影的特征数据