技术翻译 | 【ML.NET 示例】电影推荐 - 场感知分解机

​概述​

MovieRecommender是一个简单的应用程序，它构建和使用推荐模型。

这是一个关于如何使用推荐来增强现有ASP.NET应用程序的终端示例。

本示例从流行的Netflix应用程序中汲取了灵感，并且尽管这个示例主要关注电影推荐，但是可以很容易地应用于任何类型的产品推荐。

​特点​

• Web应用程序

• 这是一个终端ASP.NET应用程序，它包含了三个用户'Ankit'，'Cesar'，'Gal'。然后，它使用ML.NET推荐模型给这三个用户提供建议。

• 推荐模型
• 应用程序使用MovieLens数据集构建推荐模型。模型训练代码使用基于协同过滤的推荐方法。

​训练模型​

Movie Recommender 使用基于协同过滤的推荐方法。

协同过滤的基本假设是，如果A（例如Gal）在某个问题上与B（例如Cesar）具有相同的观点，则A（Gal）更有可能在另一个问题上具有和B（Cesar）相同的意见，而不是一个随机的人。

对于本示例，我们使用 http://files.grouplens.org/datasets/movielens/ml-latest-small.zip 数据集。

模型训练代码可以在MovieRecommender_Model中找到。

​使用模型​

通过以下步骤在Controller中使用训练的模型。

​1. 创建ML.NET环境并加载已经训练过的模型​

// 1. Create the ML.NET environment and load the already trained model
   MLContext mlContext = new MLContext();

   ITransformer trainedModel;
   using (var stream = new FileStream(_movieService.GetModelPath(), FileMode.Open, FileAccess.Read, FileShare.Read))
   {
    trainedModel = mlContext.Model.Load(stream);
   }

​2. 创建预测函数以预测一组电影推荐​

//2. Create a prediction function
   var predictionEngine = mlContext.Model.CreatePredictionEngine<MovieRating, MovieRatingPrediction>(trainedModel);

   List<(int movieId, float normalizedScore)> ratings = new List<(int movieId, float normalizedScore)>();
   var MovieRatings = _profileService.GetProfileWatchedMovies(id);
   List<Movie> WatchedMovies = new List<Movie>();

   foreach ((int movieId, int movieRating) in MovieRatings)
   {
     WatchedMovies.Add(_movieService.Get(movieId));
   }

   MovieRatingPrediction prediction = null;

   foreach (var movie in _movieService.GetTrendingMovies)
   {
       //Call the Rating Prediction for each movie prediction
        prediction = predictionEngine.Predict(new MovieRating
        {
            userId = id.ToString(),
            movieId = movie.MovieID.ToString()
        });
       //Normalize the prediction scores for the "ratings" b/w 0 - 100
       float normalizedscore = Sigmoid(prediction.Score);
       //Add the score for recommendation of each movie in the trending movie list
        ratings.Add((movie.MovieID, normalizedscore));
   }

​3. 为要显示的视图提供评分预测​

ViewData["watchedmovies"] = WatchedMovies;
  ViewData["ratings"] = ratings;
  ViewData["trendingmovies"] = _movieService.GetTrendingMovies;
  return View(activeprofile);

​替代方法​

这个示例显示了许多可以用于ML.NET的推荐方法之一。根据您的特定场景，您可以选择以下任何最适合您的用例的方法。