Recommendation System

雲端服務 Microsoft Azure (1)

基本介紹

教學目標

初步了解如何透過 Micorsoft Azure 機器學習的雲端服務,進行電影推薦實驗。

使用教學

建立專案

  1. 開啟 Microsoft Azure 機器學習官方網站 ,按下「立即開始使用」按鈕。
  2. 點選「 + NEW」按鈕,接著搜尋「Recommender」關鍵字。
  3. 選擇「Movie Recommender - Development」 建立新專案。

了解流程

  • Movie Ratings (Saved Datasets)
    電影評分資訊,某個人 (UserId) 在何時 (Timestamp) 針對某部電影 (MovieId) 進行評分 (Rating) 。
  • Project Column (Data Transformation - Manipulation)
    主要進行資料的轉換,將資料中的時間的資訊排除。
  • Split (Data Transformation - Sample and Split)
    主要進行資料的轉換,將資料特定比例當成機器學習的訓練樣本資料。
  • Train Matchbox Recommender (Machine Learning - Train)
    透過訓練樣本資料以 Matchbox 演算法產生推薦結果。
  • Score Matchbox Recommender (Machine Learning - Score)
    以 Matchbox 演算法產生預測分數進行評估。
  • Evaluate Recommender (Machine Learning - Evalute)
    進行推薦演算法的評估。

進行實驗

了解流程的運作之後,接著在下方點選「RUN」按鈕,就能進行實驗,最後只要點擊在每個流程的下方圓點點選「Visualize」即可查看每個流程產出的結果。

Microsoft Azure - Mechine Learning Sample

相關資源

2014Q2 工作心得 (3)

我們進行資料的分析主要是為了提供使用者更優質的使用者體驗,所以我們需要藉由推薦機制以縮短使用者操作時間,讓使用者快速找到有興趣的主題。

透過 BigQuery 進行即時反應的推薦機制和 R 語言進行統計之後的推薦機制,主要皆以 Apriori 演算法為基礎進行資料分析,至於要如何與 Node.js 進行整合應用,最簡單的方式就是將篩選結果匯出成 csv 檔案,再進行解析,透過 API 的方式進行應用。

最後不論是將第三方工具所收集的資料,轉存至 Google BigQuery 中,再透過查詢,將資料透過 R 語言進行統計分析應用至 App 之中。