預測和管腔：構建電影推薦應用程序

>本教程演示了使用預測和管腔構建電影推薦應用程序。 我們將介紹數據導入，隨機的電影選擇，推薦生成和引擎部署。

>

密鑰概念：

• >預測和管腔集成：此應用程序利用了預測的機器學習，並為有效的API處理提供了建議的輕量級框架。
• 安全配置：環境變量（文件）安全存儲預測，TMDB API鍵和應用程序設置。 > .env>
數據管道：
• >自定義類簡化了與預測事件和引擎客戶端的互動，在批處理中導入TMDB數據，並在Elasticsearch中索引它以進行有效的檢索。 > 。 Pio>
推薦引擎：引擎在進口電影數據上進行培訓，並從用戶互動（喜歡/不喜歡）中學習以提高建議。
• >用戶界面：>用戶友好的接口顯示隨機電影，允許評分，並提出了預測的建議。
• 設置環境：>
>在Lumen App目錄中創建A

文件，

記住用您的實際鍵代替佔位符。

.env數據導入（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>

>

創建

：

1. app/Classes/Pio.php中的啟用會話：

<?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. 創建bootstrap/app.php：

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

3. （注意：app/Http/Controllers/AdminController.php函數的實現與原始的實現基本相同，但具有改進的可變命名和格式以提高清晰度。 Elasticsearch保持不變。）

<?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. >顯示隨機電影和記錄用戶操作：app/Http/routes.php

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

創建

：

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. 創建app/Http/routes.php>和
視圖（原件中提供的html）。 JavaScript（

）也基本保持不變。

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

>

3. index.blade.php>部署和訓練預測引擎：recommended_movies.blade.phpmain.js>
   1. 修改engine.json（在您的預測引擎目錄中）正確地指向您的預測應用程序ID和名稱。
   2. 構建引擎：pio build --verbose
   3. 訓練引擎：pio train --verbose
   4. >部署引擎：pio deploy --port 8192

   添加cron作業（根據需要調整路徑）：

   <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>

   結論：

   這個簡化的版本在改善代碼可讀性和組織的同時，保持原始教程的功能。 請記住要安裝必要的軟件包（預測SDK，Guzzle，Elasticsearch客戶端和前端的車把）。 原始的FAQ部分仍然相關，並提供了有價值的其他信息。

   以上是預測和管腔：構建電影推薦應用程序的詳細內容。更多資訊請關注PHP中文網其他相關文章！