Téléchargement vector database food similarity - Téléchargement de code source vector database food similarity

vector database food similarity

Autre code source

1.0.0

Télécharger

Base de données vectorielle pour la recommandation

Cas d'utilisation des recommandations de similitude pour les produits alimentaires avec une base de données Vector Chroma basée sur des faits alimentaires ouverts.

Comment ça marche

Schéma

1. Exploration de données et préparation (Data-Mining.js)

Environ 10 000 produits sont récupérés à l'aide de l'API Open Food Facts, mais certains produits manquent d'informations, donc après le traitement, nous avons environ 4 300 produits. Chaque produit a un identifiant unique, un nom, une URL d'image et le pourcentage d'ingrédients. Il y a plus de 1 500 vecteurs indexés, chaque vecteur représentant le pourcentage d'un ingrédient dans le produit alimentaire total (comme le sucre, l'huile, l'eau, etc.).
Pour initier la génération d'ensembles de données, exécutez la commande suivante:

npm run data-mining

2. Migration sur la base de données vectorielle (migration.js)

La migration exportera des ensembles de données de produits ( products.json ) vers la base de données de chrome locale.
Pour lancer la migration, exécutez:

npm run migration

3. Requête la base de données (Query.js)

Pour effectuer une requête dans la base de données vectorielle, vous devez générer des vecteurs à partir des données du produit.
Tout d'abord, nous appelons l'API du produit Open Food Facts. Ensuite, nous générons des vecteurs pour l'intégration ( likeliest_recipes.json ) et les utilisons pour faire une demande à la base de données.
Par défaut, lorsqu'une requête est effectuée sur la base de données de chroma, les produits similaires sont déterminés à l'aide de la norme vectorielle Squared L2 Norm :

Norme L2

D'autres normes vectorielles sont également disponibles telles que la Cosine similarity Inner product ou du cosinus, plus de détails sur le chroma et le HNSWLIB.

Installation

Installez les packages requis à l'aide de NPM
```
npm ci
```
Pour exécuter la base de données Chroma dans un conteneur Docker, exposez-le sur le port 8080
```
docker run -p 8000:8000 chromadb/chroma:0.4.21
```
Interrogez la base de données à l'aide du code produit unique et affichez les 3 correspondances les plus proches de la console.
Le code produit unique se trouve dans l'URL des faits alimentaires ouverts (exemple avec 3017620429484 : https://world.openfoodfacts.org/product/3017620429484/nutella-helnut-spread-ferrero)
```
node ./query.js product=3017620429484
```