Construire un système de recommandation en temps réel à l'aide de Python et Redis : comment fournir des recommandations personnalisées

Créer un système de recommandation en temps réel à l'aide de Python et Redis : comment fournir des recommandations personnalisées

Introduction :
À l'ère de l'explosion moderne de l'information, les utilisateurs sont souvent confrontés à un grand nombre d'options et d'informations, c'est pourquoi les systèmes de recommandation personnalisés deviennent de plus en plus importante. Cet article expliquera comment utiliser Python et Redis pour créer un système de recommandation personnalisé en temps réel et montrera comment utiliser les puissantes fonctions de Redis pour fournir des recommandations personnalisées.

1. Qu'est-ce qu'un système de recommandation personnalisé ? Un système de recommandation personnalisé est basé sur les intérêts et le comportement de l'utilisateur, combiné à des algorithmes et à une technologie d'apprentissage automatique, pour recommander du contenu ou des produits qui correspondent aux intérêts et aux besoins de l'utilisateur. Le cœur du système de recommandation personnalisé est d'analyser et de comprendre le comportement et les intérêts de l'utilisateur, afin de prédire avec précision les préférences et les besoins de l'utilisateur et de fournir le contenu recommandé correspondant.

2. Introduction à Redis

Redis est une base de données en mémoire open source avec une vitesse de lecture et d'écriture efficace et une prise en charge riche de la structure des données. Il peut être utilisé dans divers scénarios tels que la mise en cache, les files d'attente de messages et les compteurs en temps réel. Dans le système de recommandation personnalisé, Redis peut être utilisé comme outil de stockage et d'analyse du comportement et des intérêts des utilisateurs, fournissant ainsi une prise en charge des données en temps réel pour le système de recommandation.

3. Construction de l'environnement de base

Avant de construire le système de recommandation en temps réel, nous devons installer et configurer les environnements Python et Redis.

1. Installez Python et les bibliothèques dépendantes correspondantes

   Entrez la commande suivante sur la ligne de commande pour installer Python et les bibliothèques dépendantes :
   

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

2. Installez Redis

   Entrez la commande suivante sur la ligne de commande pour installer Redis :
   

   $ sudo apt-get install redis-server

IV. Conception d'un système de recommandation en temps réel

Cet article prendra le « Système de recommandation de films » comme exemple pour montrer comment utiliser Python et Redis pour créer un système de recommandation personnalisé en temps réel.

Prétraitement des données
1. Tout d'abord, nous devons préparer certaines données du film, notamment le nom, la catégorie, la note et d'autres informations du film. Stockez ces données dans Redis pour faciliter les requêtes et recommandations de données ultérieures.
   

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)

Analyse du comportement des utilisateurs
2. Ensuite, nous devons collecter les évaluations des utilisateurs ou les enregistrements de visionnage de films et les stocker dans Redis pour des recommandations personnalisées ultérieures.
   

# 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})

Recommandation personnalisée
3. Enfin, nous utilisons un algorithme de recommandation personnalisé basé sur un algorithme de filtrage collaboratif pour recommander les utilisateurs.
   

# 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. Résumé

Cet article présente comment utiliser Python et Redis pour créer un système de recommandation personnalisé en temps réel. Grâce aux fonctions puissantes de Redis, nous pouvons facilement stocker et analyser le comportement et les intérêts des utilisateurs, et fournir aux utilisateurs un contenu de recommandation personnalisé. Bien entendu, ce n'est que la base d'un système de recommandation personnalisé. Des algorithmes et des technologies plus complexes peuvent être appliqués en fonction des besoins réels pour améliorer l'effet de recommandation. Dans les applications pratiques, des questions telles que la sécurité et les performances des données doivent également être prises en compte, mais cet article fournit un exemple simple qui, je l'espère, sera utile aux lecteurs.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!