Google推荐

Question

我需要用机器学习为音乐平台制作一个音乐推荐系统。

该平台包括：

• 40+百万首歌曲
• 4.5+百万张专辑
• 2.5+百万艺术家
• 1648种
• 600 k用户

上述物体之间的关系是：

• 歌曲多体裁
• 1-歌曲-许多艺术家
• 1-歌曲-1-专辑
• 1-专辑-许多-歌曲
• 1-专辑-许多-艺术家
• 1-艺人-很多-专辑
• 1-艺人-多首歌曲

我得到了用户活动(听歌)和最爱(歌曲，艺术家，专辑)。

Amazon似乎不支持协作过滤，现在我正在浏览Google。

一个问题是数据的大小。基本上，每首歌都有1+风格和1+艺术家，这是明确的属性。Amazon支持100个类别(如果艺术家被视为类别的话，我看上去有250万种)。通过谷歌的机器学习页面，我只找到了一些简单的例子，所以我真的不知道从哪里开始。

作为机器学习领域的初学者，我想知道问题是我看到(尝试解决)这些建议的方式，还是即使ML是解决问题的方法。

Answer 1

谷歌CloudML引擎是运行TensorFlow程序的托管解决方案。TensorFlow是一个机器学习框架，设计时考虑到了规模。因此，只要您能够编写分布式TensorFlow程序，就可以在CloudML引擎上运行它，这将使您能够很好地扩展。(我要指出，TensorFlow和机器学习一般都有一个学习曲线，但是您肯定需要一个基于ML的推荐解决方案)。

一个快速的谷歌搜索揭示了使用TensorFlow构建推荐系统的多个有用的材料(注意:我还没有检查过其中的任何一个)：

• 机器学习方面的这堂课。
• github储存库中各种推荐算法的TensorFlow
• 新加坡的碰头 (评论有视频链接等)
• A YouTube 视频
• 另一种YouTube 视频