Membina sistem pengesyoran masa nyata menggunakan Python dan Redis: cara memberikan pengesyoran yang diperibadikan

Membina sistem pengesyoran masa nyata menggunakan Python dan Redis: Cara memberikan pengesyoran yang diperibadikan

Pengenalan:
Dalam era ledakan maklumat moden, pengguna sering berhadapan dengan sejumlah besar pilihan dan maklumat, jadi sistem pengesyoran diperibadikan menjadi semakin semakin penting. Artikel ini akan memperkenalkan cara menggunakan Python dan Redis untuk membina sistem pengesyoran diperibadikan masa nyata dan menunjukkan cara menggunakan fungsi berkuasa Redis untuk memberikan pengesyoran diperibadikan.

1. Apakah sistem pengesyoran yang diperibadikan? Sistem pengesyoran diperibadikan adalah berdasarkan minat dan tingkah laku pengguna, digabungkan dengan algoritma dan teknologi pembelajaran mesin, untuk mengesyorkan kandungan atau produk yang sesuai dengan minat dan keperluan pengguna. Teras sistem pengesyoran diperibadikan adalah untuk menganalisis dan memahami gelagat dan minat pengguna, supaya dapat meramalkan dengan tepat pilihan dan keperluan pengguna serta menyediakan kandungan disyorkan yang sepadan.

2. Pengenalan kepada Redis

Redis ialah pangkalan data dalam memori sumber terbuka dengan kelajuan membaca dan menulis yang cekap serta sokongan struktur data yang kaya. Ia boleh digunakan dalam pelbagai senario seperti caching, baris gilir mesej dan kaunter masa nyata. Dalam sistem pengesyoran diperibadikan, Redis boleh digunakan sebagai alat storan dan analisis untuk tingkah laku dan minat pengguna, menyediakan sokongan data masa nyata untuk sistem pengesyoran.

3. Pembinaan persekitaran asas

Sebelum membina sistem pengesyoran masa nyata, kami perlu memasang dan mengkonfigurasi persekitaran Python dan Redis.

1. Pasang Python dan perpustakaan bergantung yang sepadan

   Masukkan arahan berikut pada baris arahan untuk memasang Python dan perpustakaan bergantung:
   

   $ sudo apt-get update
   $ sudo apt-get install python3 python3-pip
   $ pip3 install redis

2. Pasang Redis

   Masukkan arahan berikut pada baris arahan untuk memasang Redisee:
   

   $ sudo apt-get install redis-server

   :

IV. Reka bentuk sistem pengesyoran masa nyata

Artikel ini akan mengambil "Sistem Pengesyoran Filem" sebagai contoh untuk menunjukkan cara menggunakan Python dan Redis untuk membina sistem pengesyoran diperibadikan masa nyata.

Prapemprosesan data
1. Pertama, kami perlu menyediakan beberapa data filem, termasuk nama, kategori, penilaian dan maklumat lain bagi filem itu. Simpan data ini dalam Redis untuk memudahkan pertanyaan dan pengesyoran data berikutnya.
   

import redis

# 连接Redis
r = redis.Redis(host='localhost', port=6379)

# 存储电影数据
movies = [
    {"id": 1, "title": "电影1", "category": "喜剧", "rating": 4.5},
    {"id": 2, "title": "电影2", "category": "动作", "rating": 3.8},
    {"id": 3, "title": "电影3", "category": "爱情", "rating": 4.2},
    # 添加更多电影数据...
]

for movie in movies:
    r.hmset("movie:%s" % movie["id"], movie)

Analisis Gelagat Pengguna
2. Seterusnya, kami perlu mengumpul penilaian pengguna atau rekod tontonan filem dan menyimpannya dalam Redis untuk pengesyoran diperibadikan seterusnya.
   

# 添加用户行为数据
user1 = {"id": 1, "ratings": {"1": 5, "2": 4, "3": 3}}
user2 = {"id": 2, "ratings": {"1": 4, "2": 3, "3": 2}}
user3 = {"id": 3, "ratings": {"2": 5, "3": 4}}
# 添加更多用户数据...

for user in [user1, user2, user3]:
    for movie_id, rating in user['ratings'].items():
        r.zadd("user:%s:ratings" % user["id"], {movie_id: rating})

Pengesyoran diperibadikan
3. Akhir sekali, kami menggunakan algoritma pengesyoran diperibadikan berdasarkan algoritma penapisan kolaboratif untuk mengesyorkan pengguna.
   

# 获取用户的观看记录
def get_user_ratings(user_id):
    return r.zrange("user:%s:ratings" % user_id, 0, -1, withscores=True)

# 获取电影的评分
def get_movie_rating(movie_id):
    movie = r.hgetall("movie:%s" % movie_id)
    return float(movie[b"rating"])

# 个性化推荐算法
def personalized_recommendation(user_id, top_n=3):
    user_ratings = get_user_ratings(user_id)
    recommendations = []

    for movie_id, rating in user_ratings:
        related_movies = r.smembers("movie:%s:related_movies" % movie_id)
        for movie in related_movies:
            if r.zrank("user:%s:ratings" % user_id, movie) is None:
                recommendations.append((movie, get_movie_rating(movie)))

    return sorted(recommendations, key=lambda x: x[1], reverse=True)[:top_n]

# 输出个性化推荐结果
user_id = 1
recommendations = personalized_recommendation(user_id)
for movie_id, rating in recommendations:
    movie = r.hgetall("movie:%s" % movie_id)
    print("电影：%s, 推荐评分：%s" % (movie[b"title"], rating))

5. Ringkasan

Artikel ini memperkenalkan cara menggunakan Python dan Redis untuk membina sistem pengesyoran diperibadikan masa nyata. Melalui fungsi berkuasa Redis, kami boleh menyimpan dan menganalisis gelagat dan minat pengguna dengan mudah, serta menyediakan kandungan cadangan yang diperibadikan kepada pengguna. Sudah tentu, ini hanya asas sistem pengesyoran yang diperibadikan Algoritma dan teknologi yang lebih kompleks boleh digunakan mengikut keperluan sebenar untuk meningkatkan kesan pengesyoran. Dalam aplikasi praktikal, isu seperti keselamatan dan prestasi data juga perlu dipertimbangkan, tetapi artikel ini memberikan contoh mudah yang saya harap akan membantu pembaca.

Atas ialah kandungan terperinci Membina sistem pengesyoran masa nyata menggunakan Python dan Redis: cara memberikan pengesyoran yang diperibadikan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!