问题描述
我目前正在开展一个项目,该项目利用推荐引擎向用户推荐上传到平台的某些内容。我已经确定了一种我想用于推荐引擎的算法(余弦相似度),并且已经使用 Python 中的模拟数据集构建了一个原型。
构建原型后,我对如何将其正确部署到服务器以及如何将数据集从模拟数据集切换到我的数据库中的数据感到困惑。具体来说,我不明白每次用户上传新内容时如何重新校准相似度矩阵(我认为这样做的一种潜在方法是在上传新内容时简单地重新计算它,但是这个会非常低效)。
我想知道是否有人对如何构建系统以在上传更多内容时保持推荐引擎“新鲜”有任何建议。
非常感谢任何建议!提前致谢。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)