如何解决部署推荐引擎时的系统设计
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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。