Milvus

【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