Идея заключалась в создании рекомендательной системы алкогольных напитков. В данном случае рекомендательной системы пива.
Сделать рекомендательную систему, решить проблему холодного старта. Разобраться с поэтомным решение этих задач.
Реализванные две рекомендательные системы. Так же реализован веб-сервис, который использует первую рек. систему и собирает информацию для второй. Данные для создания "фичей" пива были взяты с сайта BJCP.org . Так как никакой информации о пользовательских предпочтениях у нас нет, мы ранжируем сорта пива по расстояниям в некотором пространстве (компоненнты сжаты с помощью TruncatedSVD), вообщем KNN, тем самым обеспечивая пусть и не самые лучшие рекомендации, но работоспособность сервиса и сбор информации для модели с Коллаборативной фильтрацией. После сбора необходимого кол-ва данных в сайт будет интегрированна вторая модель, выполняющая задачу рекомендации лучше.
Написаны две рекомендательные системы. Реализован некоторый веб-сервис.
Доделать веб-сервис, так как имеюся некоторые проблемы с оформлением и разными разрешениями устройств. Интегрировать вторую модель в веб-сервис.
Требуется установить ряд библиотек:
-
django
-
django-widjet-tweaks
-
numpy
-
pickle
для скачивания проекта и запуска localhost'а:
#Cloning repo
$ git clone https://github.com/Punctuality/BEERecommend
#No comments
$ cd BEERecommend/Web_part/
#Activating venv
$ source ../venv/bin/activate
#Running server
$ python3 manage.py runserver
That's all!