预测和管腔：构建电影推荐应用程序

>本教程演示了使用预测和管腔构建电影推荐应用程序。 我们将介绍数据导入，随机的电影选择，推荐生成和引擎部署。

>

密钥概念：

• >预测和管腔集成：此应用程序利用了预测的机器学习，并为有效的API处理提供了建议的轻量级框架。
• 安全配置：环境变量（文件）安全存储预测，TMDB API键和应用程序设置。> .env>
数据管道：
• >自定义类简化了与预测事件和引擎客户端的互动，在批处理中导入TMDB数据，并在Elasticsearch中索引它以进行有效的检索。> 。 Pio>
推荐引擎：引擎在进口电影数据上进行培训，并从用户互动（喜欢/不喜欢）中学习以提高建议。
• >用户界面：>用户友好的接口显示随机电影，允许评分，并提出了预测的建议。
• 设置环境：>
>在Lumen App目录中创建A

文件，

记住用您的实际键代替占位符。

.env数据导入（tmdb to predictionio＆Elasticsearch）：

<code>APP_ENV=local
APP_DEBUG=true
APP_KEY=your-unique-key  // Generate using `php artisan key:generate`

PIO_KEY=your-pio-app-key
TMDB_KEY=your-tmdb-api-key

CACHE_DRIVER=file
SESSION_DRIVER=file
QUEUE_DRIVER=database</code>

>

创建

：

1. app/Classes/Pio.php中的启用会话：

<?php namespace App\Classes;

use predictionio\EventClient;
use predictionio\EngineClient;

class Pio {
    public function eventClient() {
        $key = env('PIO_KEY');
        $server = 'http://127.0.0.1:7070';
        return new EventClient($key, $server);
    }

    public function predictionClient() {
        $server = 'http://127.0.0.1:8192';
        return new EngineClient($server);
    }
}

2. 创建bootstrap/app.php：

$app->middleware([
    Illuminate\Session\Middleware\StartSession::class,
]);

3. （注意：app/Http/Controllers/AdminController.php函数的实现与原始的实现基本相同，但具有改进的可变命名和格式以提高清晰度。 Elasticsearch保持不变。）

<?php namespace App\Http\Controllers;

use Laravel\Lumen\Routing\Controller as BaseController;
use App\Classes\Pio;
use GuzzleHttp\Client;
use Elasticsearch\Client as ElasticsearchClient;

class AdminController extends BaseController {
    public function importMovies(Pio $pio) {
        // ... (Import logic as described in the original, but using more concise variable names and improved formatting) ...
    }
}

添加路由：importMovies

4. >显示随机电影和记录用户操作：app/Http/routes.php

$app->get('/movies/import', 'AdminController@importMovies');

创建

：

1. app/Http/Controllers/HomeController.php中的添加路由：

<?php namespace App\Http\Controllers;

use Illuminate\Http\Request;
use Laravel\Lumen\Routing\Controller as BaseController;
use App\Classes\Pio;
use Elasticsearch\Client as ElasticsearchClient;

class HomeController extends BaseController {
    public function index(Pio $pio) {
        // ... (Session setup and view rendering as in the original) ...
    }

    public function randomMovie(Request $request, Pio $pio) {
        // ... (Random movie selection and user action recording logic as in the original) ...
    }

    public function recommendedMovies(Pio $pio) {
        // ... (Recommendation retrieval and view rendering logic as in the original) ...
    }
}

2. 创建app/Http/routes.php>和
视图（原件中提供的html）。 JavaScript（

）也基本保持不变。

$app->get('/', 'HomeController@index');
$app->post('/movie/random', 'HomeController@randomMovie');
$app->get('/movies/recommended', 'HomeController@recommendedMovies');

>

3. index.blade.php>部署和训练预测引擎：recommended_movies.blade.phpmain.js>
   1. 修改engine.json（在您的预测引擎目录中）正确地指向您的预测应用程序ID和名称。
   2. 构建引擎：pio build --verbose
   3. 训练引擎：pio train --verbose
   4. >部署引擎：pio deploy --port 8192

   添加cron作业（根据需要调整路径）：

   <code>APP_ENV=local
   APP_DEBUG=true
   APP_KEY=your-unique-key  // Generate using `php artisan key:generate`
   
   PIO_KEY=your-pio-app-key
   TMDB_KEY=your-tmdb-api-key
   
   CACHE_DRIVER=file
   SESSION_DRIVER=file
   QUEUE_DRIVER=database</code>

   结论：

   这个简化的版本在改善代码可读性和组织的同时，保持原始教程的功能。 请记住要安装必要的软件包（预测SDK，Guzzle，Elasticsearch客户端和前端的车把）。 原始的FAQ部分仍然相关，并提供了有价值的其他信息。

以上是预测和管腔：构建电影推荐应用程序的详细内容。更多信息请关注PHP中文网其他相关文章！