Recommendation Model using Milvus vector db

Título: Modelo de recomendación utilizando la base de datos de Milvus Vector con Docker

Lea sobre bases de datos de vectores : https: //zilliz.com/authors/samin_chandeepa

Descripción general

Este repositorio contiene una implementación de un modelo de recomendación utilizando Milvus, una base de datos vectorial diseñada para almacenar y buscar vectores de alta dimensión de manera eficiente, implementada con Docker. El modelo de recomendación aprovecha las capacidades de Milvus para realizar búsquedas de similitud rápida, lo que permite una recuperación eficiente de elementos similares basados ​​en preferencias de usuario o atributos de elementos.

Características

• Utiliza Milvus para almacenamiento y recuperación eficientes de vectores de alta dimensión.
• Implementa algoritmos de recomendación para recomendaciones personalizadas.
• Admite estrategias de recomendación basadas en el usuario y de elementos.
• Proporciona API fáciles de usar para integrar el modelo de recomendación en aplicaciones existentes.
• Admite la escalabilidad para manejar grandes conjuntos de datos y bases de usuarios.
• Implementación dockerizada para una fácil configuración y gestión.

Instalación

1. Clon este repositorio:

   git clone https://github.com/HGSChandeepa/recommendation-model-milvus.git

2. Navegue al directorio del proyecto:

    cd recommendation-model-milvus

3. Construir y ejecutar el contenedor Docker:

   docker-compose up --build

Uso

1. Prepare su conjunto de datos y genere incrustaciones para elementos o usuarios utilizando su método preferido.

2. Configurar la instancia de Milvus:

   • Configure un servidor Milvus y configure los parámetros de conexión en config.py .

3. Cargue los incrustaciones en Milvus:

   • Use los scripts proporcionados o implementa los suyos para cargar vectores en Milvus.

4. Inicializar el modelo de recomendación:

   • Use las clases proporcionadas o implementa su propia lógica de recomendación.

5. Interactuar con el modelo de recomendación:

   • Use las API proporcionadas para obtener recomendaciones basadas en las preferencias del usuario o los atributos del elemento.

Ejemplo

Consulte los cuadernos Jupyter proporcionados ( examples/ ) para una demostración de cómo usar el modelo de recomendación con conjuntos de datos de muestra.

Que contribuye

¡Las contribuciones son bienvenidas! Si tiene alguna idea para mejorar o encontrar algún problema, abra un problema o envíe una solicitud de extracción.

Licencia

Este proyecto tiene licencia bajo la licencia MIT.

Expresiones de gratitud

• Gracias a los creadores de Milvus por proporcionar una solución de base de datos vectorial eficiente.
• Este proyecto se inspiró en varios sistemas de recomendación y bibliotecas.

Contacto

Para cualquier pregunta o consulta, no dude en comunicarse con [email protected].

¡Feliz recomendar!