Что нужно для механизма рекомендаций, основанного на вводе слов / текста

Question

Я новичок в технологии машинного обучения (AI). Я разрабатываю приложение для обмена сообщениями для Android / IO, в котором я хотел бы рекомендовать пользователям на основе текстов / слов / разговоров продукт из сравнительно небольшого портфеля продуктов.

Пример 1:

В случае, если пользователь мессенджера напишет предложение, включающее слова «лоза», «обед», «дата», ИИ должен порекомендовать пользователю бутылку лозы.

Пример 2:

Если пользователь приложения напишет, что он выпил хороший кофе этим утром, ИИ должен порекомендовать ему кружку.

Пример 3:

Если пользователь напишет что-нибудь о симпатичном мальчике, с которым он встречался в последний день, ИИ должен порекомендовать ему "плюшевого мишку".

Я - разработчик программного обеспечения с почти 20-летним опытом работы в разработке приложений на C / C ++ / Java (приложения для Android и IO), а также некоторый опыт работы с Google Cloud Platform. Технология ML / AI совершенно новая для меня. Хорошо, я знаю основы (входные данные необходимы для обучения системы ML / AI и т. Д.), Но мне интересно, есть ли уже основа, которая могла бы помочь мне разработать такую ​​систему, которая решает описанный выше вариант использования.

Буду признателен, если вы дадите мне несколько советов, с чего и как начать.

Спасибо и всего наилучшего

Answer 1

Определенно возможно реализовать такое приложение, если вы захотите сделать это в Google Cloud, вам потребуется некоторое понимание Tensorflow.

Прежде всего, я рекомендую вам пройти курс ускоренного машинного обучения 1004 *, чтобы хорошо познакомиться с машинным обучением и начать знакомство с TensorFlow. После этого я рекомендую взглянуть на учебные пособия по Tensorflow , которые дадут вам более практическое введение в Tensorflow и включают различные примеры построения / обучения / тестирования моделей.

Как только вы познакомитесь с Tensorflow, вы можете начать изучать, как выполнять задания в механизме машинного обучения, вы можете начать с после быстрого старта . Документация включает подробные руководства о том, как использовать ml-engine, плюс несколько образцов и учебные пособия .

Поскольку я считаю, что ваше приложение будет относиться к типу Системы Рекомендатора, здесь вы можете увидеть пример модели в Google Cloud ML Engine о том, как рекомендовать элементы пользователям на основе его предыдущих поисков. В вашем случае вам придется построить модель, чтобы рекомендовать элементы пользователям на основе его предыдущих слов в предложении.

Второй вариант, если вы не хотите создавать новые модели с нуля, - это использовать Google Cloud Natural Language API , который вы можете понять как предварительный. модели с использованием Google (невероятно больших) данных. В вашем случае я считаю, что API классификации контента поможет вам достичь того, что ваше приложение намерено делать, однако выходные данные (которые вы можете см. Здесь ) ограничены тем, что Модель была обучена этому, и, возможно, она недостаточно конкретна для вашего приложения, однако это простое решение, и вы все равно можете воспользоваться этим API для извлечения меток / информации и отправки ее в качестве входных данных для другой модели.

Я надеюсь, что эти ссылки предоставят вам некоторые основы того, что можно сделать с Tensorflow в движке ML, и пригодятся вам.