_Mogician的博客

数据集混合的数据集单独使用douban_imdb训练确实有效果，但是因为是国外的数据集，国外电影占绝大部分，国内电影推荐效果非常差。douban_csdn数据集最稀疏，训练不出效果，mtime、douban_openkg指标还行，单独来用item太少。因此拟将这三个数据集混合在一起。douban_imdb电影频数往往达到五六万往上，其他数据集的频数比较而言太小了，需要删除douban_imdb的部分行。于是，我将所有数量大于1000的item，随机删除记录，只保留（500 + len(group)

任务描述现有douban、mtime、maoyan三个来源的电影，包含名称、简介、导演、演员、类型等等属性。需要相同的电影融合为一个电影条目，其中maoyan数量很少，可以合并到mtime中。参照实体消歧（或实体链接）的惯用语，数量最多的douban可以作为知识库中的entity，mtime（+maoyan）作为需要链接到KB的mention。思路事实上，这个任务也相当于文本多分类任务。类别数为KB中的entity数，那么将模型运算得到的mention hidden states输入到最后一层全连

召回池我的想法是，输入形式为batch时模型总计算时间应当比一个一个喂小不少，因此可以建立一个比如200为大小的召回池，最多每隔0.5s送入模型进行计算，当waiting list已经到达了200，立即执行计算，重置定时任务。消息队列python的queue库是一个线程安全的队列，可以用作消息队列。其基本用法参考：Python之queue模块以及生产消费者模型先写一个类包装class Pack: def __init__(self, flag=False, _id=None, seq=

待办事项insertStamp现为字符串，以后需要更新为long类型的timestamp，以减少硬盘占用。注意代码也需更改Useruser为movie数据库下的collection，存放用户注册手机号、用户名、密码（暂hd5加密）、emb、浏览历史class User(Document): _id = ObjectIdField() phone = StringField() name = StringField() pwd = StringField() e

Experimentsdouban_imdb原数据集来自movieLens-25M，为显示反馈，以评分大于等于3作为隐式反馈。筛选出可以映射为douban_id的（最后应当筛选能映射为最终融合id的），去掉user、item频数小于5的，sess长度小于2的，按8：2划分数据集，train 152142条，test 36791条，item 10576个。NARM源码 session_NARMpytorch版本 Neural-Attentive-Session-Based-Recommendati

Reference个性化推荐系统_召回推荐系统简明教程-召回推荐系统的召回策略架构1.离线方式：离线的model file算出推荐结果，这些推荐结果可以是用户喜欢哪些item，也可以是item之间的相似度文件，然后写入KV存储，在线的server recall部分直接调用这个结果，拿到ID之后访问detail server得到详情，再往rank部分传递。2.半在线模式：将model file算出来的item embedding也存入KV，然后tf-server调用在线model 生成 user

因为转载不便（还得复制），现本专栏仅为个人开发日志，团队项目转移至收藏夹 创新实训

接口数据库接口MongoDB的地址：39.106.132.48:27017可以clone下来，也可以直接用如果使用官方GUI（MongoDB Compass），链接的时候使用账号密码user：rootpwd：r****lf（见群，下同）cmd里，use movie（切换到movie集合）之后，db.auth(“usr”, “z****7”)前端和爬虫代码所需账号密码由相对路径下的setting.json（/crawler/ 和/backend/api/ 下）读取，该文件加入了.gitigno

电影评价网

电影评价网Vue依赖：Vue 3.x 建议使用脚手架Vue-cliVuex 负责静态存储ElementUI 组件库axios HTTP访问安装脚手架yum install npmnpm install -g vue-cli要求npm > 4.0版本过低建议使用版本管理工具nnpm install -g nn latest启动windows上建议使用 vue ui 命令启动脚手架GUI，然后新建项目。然后安装相应依赖。实现...