Predictionio and Lumen : 영화 추천 앱 구축

이 튜토리얼은 Predictionio 및 Lumen을 사용하여 영화 추천 앱을 구축하는 것을 보여줍니다. 우리는 데이터 가져 오기, 무작위 영화 선택, 추천 생성 및 엔진 배포를 다룰 것입니다.

주요 개념 :

Predictionio & Lumen Integration : 이 응용 프로그램은 Predictionio의 기계 학습을 권장 사항과 효율적인 API 처리를위한 Lumen의 가벼운 프레임 워크를 활용합니다. 보안 구성 :

환경 변수 ( 파일) 예측, TMDB API 키 및 애플리케이션 설정을 안전하게 저장합니다. 데이터 파이프 라인 : Custom

클래스 클래스는 Predictionio의 이벤트 및 엔진 클라이언트와의 상호 작용을 단순화하고, 효율적인 검색을 위해 Elasticsearch에서 TMDB 데이터를 가져 와서 인덱싱합니다. . 추천 엔진 :

엔진은 수입 된 영화 데이터를 훈련시키고 사용자 상호 작용 (좋아요/싫어함)을 통해 권장 사항을 개선합니다. 사용자 인터페이스 :

사용자 친화적 인 인터페이스는 임의의 영화를 표시하고 등급을 허용하며 예측 생성 권장 사항을 제시합니다.
• 환경 설정 : Lumen 앱 디렉토리에서 다음과 함께 파일을 만듭니다.
자리 표시자를 실제 키로 교체해야합니다 데이터 가져 오기 (TMDB to Predictionio & Elasticsearch) :
• 생성 : .env
• : 에서 세션을 활성화합니다 Pio
• 생성 :
• (참고 : 함수의 구현은 원본과 거의 동일하지만 명확성을 위해 변수 명명 및 형식이 향상되었습니다. TMDB에서 가져 오기, 예측으로 이벤트를 보내기, 인덱싱의 핵심 논리 Elasticsearch는 변경되지 않았습니다.)
: 에 경로를 추가하십시오

랜덤 영화 표시 및 사용자 조치 녹음 :

생성 .env :

<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>

에 경로를 추가하십시오

)도 크게 동일하게 유지됩니다

예측 엔진을 배포하고 훈련시킵니다 :
1. 예측 앱 ID 및 이름을 올바르게 지적하려면
   1. (예측 엔진 디렉토리에서)를 수정하십시오. <:> 엔진 빌드 : engine.json <:> 엔진을 훈련하십시오 :
   엔진을 배포하십시오 :
   2. pio build --verbose Cron 작업을 추가합니다 (필요에 따라 경로 조정) :
   3. 결론 : pio train --verbose 이 간소화 된 버전은 코드 가독성 및 구성을 향상시키면서 원래 자습서의 기능을 유지합니다. 필요한 패키지 (Predictionio SDK, Guzzle, Elasticsearch Client 및 Frontend의 ​​핸들 바)를 설치해야합니다. 원본의 FAQ 섹션은 관련성이 높으며 귀중한 추가 정보를 제공합니다.

위 내용은 Predictionio and Lumen : 영화 추천 앱 구축의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!