تنزيل vector database food similarity vector database food similarity

vector database food similarity

شفرة المصدر الأخرى

1.0.0

تنزيل

قاعدة بيانات المتجهات للتوصية

استخدم حالة توصيات التشابه للمنتجات الغذائية مع قاعدة بيانات CHROMA Vector استنادًا إلى حقائق الغذاء المفتوحة.

كيف تعمل

مخطط

1. استخراج البيانات والتحضير (data-mining.js)

يتم استرداد حوالي 10000 منتج باستخدام واجهة برمجة تطبيقات حقائق الأغذية المفتوحة ولكن بعض المنتجات تفتقر إلى المعلومات ، لذلك بعد المعالجة ، لدينا حوالي 4300 منتج. يحتوي كل منتج على معرف فريد ، اسم ، عنوان URL للصور ، والنسبة المئوية للمكونات. يوجد أكثر من 1500 متجهات مفهرسة ، حيث يمثل كل متجه النسبة المئوية للمكون في إجمالي المنتج الغذائي (مثل السكر والزيت والماء ، إلخ).
لبدء توليد مجموعات البيانات ، قم بتشغيل الأمر التالي:

npm run data-mining

2. الترحيل على قاعدة بيانات المتجهات (Migration.js)

ستقوم الترحيل بتصدير مجموعات البيانات ( products.json ) إلى قاعدة بيانات Chroma المحلية.
لإطلاق الترحيل ، قم بتشغيل:

npm run migration

3. استعن بقاعدة البيانات (Query.JS)

لإجراء استعلام لقاعدة بيانات المتجه ، تحتاج إلى إنشاء متجهات من بيانات المنتج.
أولاً ، نسمي واجهة برمجة تطبيقات Food Facts Product. بعد ذلك ، نقوم بإنشاء متجهات للتضمين ( likeliest_recipes.json ) ونستخدمها لتقديم طلب إلى قاعدة البيانات.
بشكل افتراضي ، عند إجراء استعلام على قاعدة بيانات Chroma ، يتم تحديد منتجات مماثلة باستخدام قاعدة ناقلات Squared L2 Norm :

L2 المعيار

تتوفر معايير ناقلات أخرى مثل Inner product أو Cosine similarity ، ومزيد من التفاصيل حول Chroma و HNSWLIB.

تثبيت

تثبيت الحزم المطلوبة باستخدام NPM
```
npm ci
```
لتشغيل قاعدة بيانات Chroma في حاوية Docker ، فضحها على المنفذ 8080
```
docker run -p 8000:8000 chromadb/chroma:0.4.21
```
Quase قاعدة البيانات باستخدام رمز المنتج الفريد وعرض أقرب 3 المطابقات في وحدة التحكم.
يمكن العثور على رمز المنتج الفريد في عنوان URL لمفتوح Food Fact (مثال مع 3017620429484 : https://world.openfoodfacts.org/product/3017620429484/nutella-hazelnut-ferrero)
```
node ./query.js product=3017620429484
```