如何将推荐系统集成到 Android 应用程序中？答案

【问题标题】：How to integrate a recommendation system into an Android app?如何将推荐系统集成到 Android 应用程序中？
【发布时间】：2015-10-26 08:50:48
【问题描述】：

我想在我的 Android 应用程序中添加一个推荐系统（特别是协作过滤）。我已经创建了后端使用 django rest API。

现在我不确定我应该在哪里加入推荐引擎。我环顾四周并了解django-recommender 包，但我不确定它处理大量数据的能力如何。或者我应该选择一些大数据选项，我已经在 HPCC 平台上工作过。

如果是，我应该如何将它与我的应用程序集成。

【问题讨论】：

请详细说明“数据量大”
好吧，我不确定它以后会处理多少数据。我只是小心翼翼地避免将来出现可伸缩性问题
我现在不会担心它。我不知道您使用的是哪个数据库，但 Postgres/mySql 可以轻松处理数百万条记录，这就是它们的目的，HPCC 听起来有点矫枉过正。您最终会花费太多时间来使您的应用程序可扩展。在基本 SQL 数据库无法处理负载量之前需要一段时间。
好酷，我正在使用 postgres db，所以对于协同过滤实现，我应该选择基于 django 的库，如 django-recommender 或crab 吗？？
似乎 django-recommender 不再被开发（最后一次签入是在 2008 年），所以不推荐它。寻找其他解决方案或构建自己的解决方案

标签： android django recommendation-engine collaborative-filtering

【解决方案1】：

首先，您需要准备好 API，并实现所需的推荐算法（引擎）。通常通过向端点发送 HTTP 请求从您的 Android 应用程序访问此 API（请参阅how to send HTTP requests in Android）。

现在有两种方法可以访问推荐引擎。

自己构建 - 这通常涉及对多种方法进行广泛研究、学习新的编程语言（例如 Neo4J 等）以及实施和托管此引擎（月费可能相当高）
利用 推荐算法即服务 库，例如 Abracadabra Recommender API。设置非常简单：您只需向 API 发送 HTTP 调用即可训练您的模型并接收建议。 View the docs.

借助 Abracadabra Recommender API，在使用 Java 时，您首先将数据添加到您的模型中：

// These code snippets use an open-source library. http://unirest.io/java
HttpResponse<JsonNode> response = Unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/add/subjects?recommenderId=rec1&subjectId=See+docs")
.header("X-Mashape-Key", "<required>")
.header("Accept", "application/json")
.header("Content-Type", "application/json")
.asJson();

然后您通过评分或喜欢主题（例如电影）来训练模型：

// These code snippets use an open-source library. http://unirest.io/java
HttpResponse<JsonNode> response = Unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/rate/subject?recommenderId=rec1&subjectId=gameofthrones&subjectWeight=10&userId=user1")
.header("X-Mashape-Key", "<required>")
.header("Accept", "application/json")
.header("Content-Type", "application/json")
.asJson();

完成后，您会收到基于基于内容、协作或混合过滤的建议，如下所示：

// These code snippets use an open-source library. http://unirest.io/java
HttpResponse<JsonNode> response = Unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/recommend?method=content&recommenderId=rec1&userId=user1")
.header("X-Mashape-Key", "<required>")
.header("Accept", "application/json")
.header("Content-Type", "application/json")
.asJson();

【讨论】：