推荐引擎 该研讨会向您介绍了开发推荐引擎的两种不同方法。 推荐引擎是广泛使用的机器学习解决方案,可根据过去的行为(例如购买历史)找到某人喜欢的商品。 我们都很熟悉Netflix根据您的观看记录和您对其他电影的评分推荐电影。 对于第一种方法,我们将深入研究如何通过使用Apache MXNet实现矩阵分解技术来构建这些推荐系统。 在第二种方法中,我们将利用SageMaker的内置算法Object2Vec。 对于这两个模型,我们将使用MovieLens数据集来构建我们的表示形式。 20M数据集由一个站点的电影评分组成,该站点将在对您的电影进行评分后预测您还会喜欢的其他电影。 MovieLens 20M数据集是来自〜13.8万名用户的〜27000部电影的〜2000万收视率样本。 评级范围从0.5到5星,以0.5星为增量。 方法1:实现深度矩阵分解 对于电影推荐的示例,输入采用矩阵的形式,其中行是