Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/sofiakhutsieva/ml_recommendation_system
Рекомендательная система для онлайн-гипермаркета Instacart (Проект в skillbox)
https://github.com/sofiakhutsieva/ml_recommendation_system
als implicit lightfm recommendation-system
Last synced: 6 days ago
JSON representation
Рекомендательная система для онлайн-гипермаркета Instacart (Проект в skillbox)
- Host: GitHub
- URL: https://github.com/sofiakhutsieva/ml_recommendation_system
- Owner: SofiaKhutsieva
- Created: 2024-03-23T08:58:19.000Z (8 months ago)
- Default Branch: main
- Last Pushed: 2024-04-13T07:58:06.000Z (7 months ago)
- Last Synced: 2024-04-13T21:14:39.000Z (7 months ago)
- Topics: als, implicit, lightfm, recommendation-system
- Language: Jupyter Notebook
- Homepage:
- Size: 2.36 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# ML_recommendation_system
## Задача
Предсказать, какие продукты пользователи закажут в следующую покупку (метрика MAP@10).
Независимо от того, покупаете ли вы спонтанно или тщательно планируете покупки, ваше уникальные потребительское поведение определяет, кто вы. Instacart — приложение для заказа и доставки продуктов. Оно помогает упростить наполнение холодильника вашими любимыми продуктами, когда они нужны. После выбора товаров через приложение Instacart наши сотрудники просматривают заказ, делают покупки и доставляют их из магазина до дома.
Наша команда Data Science играет огромную роль в организации этого пользовательского опыта. Сейчас мы используем транзакционные данные для разработки моделей, которые предсказывают, какие продукты пользователь снова купит, попробует в первый раз или добавит в свою корзину в течение сеанса.
Список товаров и продуктов огромен, искать в нём что-то бывает сложно. Поэтому мы хотим помочь пользователю и показывать ему те товары, которые он, скорее всего, захочет купить. Используйте анонимные данные о заказах клиентов, чтобы предсказать, какие продукты они закажут в следующий раз. Ваши предсказания мы будем показывать клиентам на главной странице, чтобы сделать сервис удобнее.
## Результат
**основная логика кода вынесена в функции:**
`download_dataset` - Загрузка и объединение датасетов
`define_top_10_per_user` - Определение для каждого пользователя топ 10 продуктов
`prepare_dataset` - Подготовка датасета
`prepare_coo_matrix_for_collaborative_filtering` - Подготовка разряженной матрицы для коллаборативной фильтрации
`train_collaborative_filtering` - Обучение для коллаборативной фильтрации
`inference_collaborative_filtering` - Инференс для коллаборативной фильтрации
`prepare_features_for_lightFM` - Подготовка признаков для lightFM
`prepare_coo_matrix_for_lightFM` - Подготовка разряженной матрицы для lightFM
`train_lightFM` - Обучение lightFM
`inference_lightFM` - Инференс lightFM
**сравнение моделей:**
**инференс:**
- По идентификатору пользователя выдается набор из K наиболее релевантных для него товаров.
- По массиву идентификаторов пользователей выдается массив наборов из K наиболее релевантных для них товаров.
