Очень гибким решением, которое работает на любом языке кодирования (включая Python), является Abracadabra Recommender API .
По сути, это Алгоритмы Рекомендатора как Сервиса .Настройка очень проста: вам нужно только отправить HTTP-вызовы (что вы можете сделать с Django) на URL-адрес конечной точки API, чтобы обучить вашу модель и получить рекомендации. Просмотрите документы, как .
С помощью API рекомендателя Abracadabra при использовании Python вы сначала добавляете данные в свою модель:
# These code snippets use an open-source library. http://unirest.io/python
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/add/subjects?recommenderId=rec1&subjectId=See+docs",
headers={
"X-Mashape-Key": "<required>",
"Accept": "application/json",
"Content-Type": "application/json"
}
)
Затем вы обучаетемодель по рейтингу или по тематике (например, фильмы):
# These code snippets use an open-source library. http://unirest.io/python
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/rate/subject?recommenderId=rec1&subjectId=gameofthrones&subjectWeight=10&userId=user1",
headers={
"X-Mashape-Key": "<required>",
"Accept": "application/json",
"Content-Type": "application/json"
}
)
После выполнения вы получите рекомендации на основе контентной, совместной или гибридной фильтрации следующим образом:
# These code snippets use an open-source library. http://unirest.io/python
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/recommend?method=content&recommenderId=rec1&userId=user1",
headers={
"X-Mashape-Key": "<required>",
"Accept": "application/json",
"Content-Type": "application/json"
}
)
Вы можете просмотреть другие примеры на других языках, включая Angular, React, Javascript, NodeJS, Curl, Java, Python, Objective-C, Ruby, .NET... на домашней странице API .