De the official documentation del Abracadabra Recommender API, se empieza por distinguir entre:
Los sujetos: Estas son las entidades que desea recomendar a un usuario. Una película o un artículo es, por ejemplo, un tema. Los sujetos se caracterizan por tener ciertos atributos o contenidos que los distinguen entre los diversos sujetos.
Atributos: Un atributo es un término genérico para una característica de un sujeto. Esto puede ser cualquier cosa y realmente depende de cómo definas el tema. En el ejemplo donde el sujeto es una película, un atributo podría ser el género, p. aventura, acción, ciencia ficción. Un atributo podría ser también una palabra clave que está presente en la descripción de esta película, el nombre del actor, el año en que se publicó una película, etc. ¡Usted lo nombra!
Usuarios: Como su nombre lo indica, esta es la persona que desea recibir recomendaciones de ciertos temas.El usuario crea un perfil de usuario que le gusta atributos o temas (y, posteriormente, los atributos adjuntos).
flujo Hay un flujo general (orden en el que se realiza cosas) que es relevante para cualquier tipo de sistema de recomendación y que también es intuitivamente fácil de entender.
Lo primero que siempre debemos hacer es completar el motor de recomendación con los temas y sus atributos correspondientes. Por lo general, esto solo debe hacerse una vez, pero también se puede hacer de forma dinámica. Por ejemplo, si está recomendando artículos, puede que quiera hacer esto cada vez que se agrega un artículo a su sitio web o blog.
El segundo paso es ingresar las preferencias de un usuario. Junto con la identificación única de su usuario, puede entrenar el sistema de recomendación al agradar o desagradar ciertos temas o atributos. Por ejemplo, a un usuario se le puede mostrar una lista de películas y se le da la opción de darle una calificación a cada película. Alternativamente, el usuario puede construir un perfil ingresando los atributos que prefiere (por ejemplo, qué géneros, palabras clave, fecha de lanzamiento, etc.). Esta parte depende realmente de usted para decidir y la lógica de su proyecto.
Una vez que el sistema ha sido entrenado (lleno de temas y preferencias del usuario), podemos llamar al motor para darnos recomendaciones. Puede hacerlo una vez, pero también de forma dinámica (por lo tanto, volver a capacitar el modelo después de cada respuesta que reciba del usuario). A medida que el usuario proporciona más comentarios, el modelo mejora y las recomendaciones se acercan a las preferencias reales del usuario.
Tenga en cuenta que con el Abracadabra Recommender API solo necesita enviar llamadas HTTP a la API para capacitar a su modelo y recibir recomendaciones. Se puede acceder a la API usando cualquier idioma, por lo tanto, desde su sitio web o aplicación (Angular, React, Javascript ...) o su servidor (NodeJS, Curl, Java, Python, Objective-C, Ruby, .NET ...) .
¡Gracias por la sugerencia de libro! – John