tensorflow recommenders 系列3：双塔召回模型

原创

已于 2022-04-27 19:13:23 修改 · 2.5k 阅读

5 ·

CC 4.0 BY-SA版权

文章标签：

#推荐算法 #tensorflow

于 2022-04-26 10:52:59 首次发布

本文介绍了使用TensorFlow 2.6及以上版本构建的用户和物品模型，通过用户属性（如姓名和点击数据）和标签嵌入进行个性化推荐。模型包括用户模型、物品模型和ItemRecModel，展示了数据预处理、模型训练及检索示例。

要求：tensorflow>2.6.0

from typing import Dict, Text

import keras.layers
import tensorflow as tf
from keras import Model

import tensorflow_recommenders as tfrs

###############################模型编写###############################

class RecUserModel(tf.keras.Model):
    '''
    用户属性支持：用户姓名、用户点击数据(最近前三)、点赞数据（最近前三）、收藏数据（最贱前三）
    '''
    def __init__(self,user_tag_vocabulary):
        super().__init__()
        self.userTags_vector = tf.keras.layers.StringLookup()
        self.userTags_vector.adapt(user_tag_vocabulary)
        self.userTags_embedding = keras.layers.Embedding(input_dim=len(self.userTags_vector.get_vocabulary()),output_dim=4)

    #@tf.function(input_signature=({"userTags":tf.TensorSpec(shape=(None,None), dtype=tf.dtypes.string, name="userTags"),"age":tf.TensorSpec(shape=(None,None), dtype=tf.dtypes.float32, name="age")},))
    def call(self, inputs):
        tags_lookup = self.userTags_vector(inputs.get("userTags"))
        user_embedding = tf.math.redu