一个很好的Python/Django协同过滤/匹配/推荐库？

Question

我正在寻找一个库，我可以使用它根据问题的答案将我的用户与其他Django模型进行匹配--我自己的django模型也是如此。

所以我想要一些可定制的东西，有很好的文档/支持，希望不会太难实现！

有人有什么好的推荐吗？我看过Crab和Django-recommender，但它们似乎都没有很好的文档。

基本上，我有两个调查应用程序，有相应的问题和答案，但不完全相同。例如，app1中的问题可以是“你一周喝几个晚上？”app2中的问题可以是“你预计一周喝几个晚上？”，其中第一个问题有一个外键。我想要获取对这些问题的回答，并使用它们将每个集合中的用户相互配对，根据组1中的用户已经使用的内容为组2中的用户提供推荐。

Answer 1

他们在斯坦福大学的免费ML课程中涵盖了这一主题。在http://www.ml-class.org/course/video/preview_list上查看第16章的视频

尽管讨论的实现是Matlab/Octave，但在Python中实现应该不难，如果使用的是Numpy，则更容易实现

Answer 2

有一些关于社交媒体与Python相结合的好书。

• http://shop.oreilly.com/product/0636920010203.do
• http://shop.oreilly.com/product/0636920020424.do

Answer 3

可以在任何编码语言(包括Python)中工作的一个非常灵活的解决方案是。

基本上，它是一个推荐算法即服务库。设置非常简单:您只需要将HTTP调用(可以使用Django完成)发送到API端点url，即可训练模型并接收建议。View the docs how。

使用Abracadabra推荐API时，在使用Python时，首先要向模型中添加数据：

# 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"
  }
)

然后，通过对主题(例如电影)进行评级或喜好来训练模型：

# 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"
  }
)

完成后，您将收到基于内容、协作或混合过滤的建议，如下所示：

# 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"
  }
)

您可以查看其他语言的更多示例，包括Angular、React、Javascript、NodeJS、Curl、Java、Python、Objective-C、Ruby、<代码>D15...在API homepage上。