Recommendation Model using Milvus vector db

제목 : Docker와 함께 Milvus Vector 데이터베이스를 사용한 권장 모델

벡터 데이터베이스에 대해 읽으십시오 : https : //zilliz.com/authors/samin_chandeepa

개요

이 저장소에는 Docker와 함께 배포 된 고차원 벡터를 효율적으로 저장하고 검색하도록 설계된 벡터 데이터베이스 인 Milvus를 사용하여 권장 모델의 구현이 포함되어 있습니다. 권장 모델은 Milvus의 기능을 활용하여 빠른 유사성 검색을 수행하여 사용자 기본 설정 또는 항목 속성에 따라 유사한 항목을 효율적으로 검색 할 수 있습니다.

특징

• 고차원 벡터의 효율적인 저장 및 검색을 위해 Milvus를 사용합니다.
• 개인화 된 권장 사항에 대한 추천 알고리즘을 구현합니다.
• 사용자 기반 및 항목 기반 권장 전략을 모두 지원합니다.
• 권장 모델을 기존 응용 프로그램에 통합하기위한 사용하기 쉬운 API를 제공합니다.
• 대형 데이터 세트 및 사용자 기반을 처리 할 수있는 확장 성을 지원합니다.
• 쉬운 설정 및 관리를위한 Dockerized 배포.

설치

1. 이 저장소를 복제하십시오.

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

2. 프로젝트 디렉토리로 이동하십시오.

    cd recommendation-model-milvus

3. Docker 컨테이너를 빌드하고 실행하십시오.

   docker-compose up --build

용법

1. 데이터 세트를 준비하고 선호하는 방법을 사용하여 항목 또는 사용자에 대한 임베딩을 생성하십시오.

2. Milvus 인스턴스 구성 :

   • milvus 서버를 설정하고 config.py 에서 연결 매개 변수를 구성하십시오.

3. 임베딩을 Milvus에로드하십시오.

   • 제공된 스크립트를 사용하거나 직접 구현하여 벡터를 Milvus에로드하십시오.

4. 권장 모델 초기화 :

   • 제공된 클래스를 사용하거나 자신의 추천 논리를 구현하십시오.

5. 권장 모델과 상호 작용 :

   • 제공된 API를 사용하여 사용자 기본 설정 또는 항목 속성을 기반으로 권장 사항을 얻으십시오.

예

샘플 데이터 세트와 함께 권장 모델을 사용하는 방법에 대한 시연은 제공된 Jupyter Notebooks ( examples/ )를 확인하십시오.

기여

기부금을 환영합니다! 개선에 대한 아이디어가 있거나 문제가있는 경우 문제를 열거나 풀 요청을 제출하십시오.

특허

이 프로젝트는 MIT 라이센스에 따라 라이센스가 부여됩니다.

감사의 말

• 효율적인 벡터 데이터베이스 솔루션을 제공해 주신 Milvus 제작자에게 감사드립니다.
• 이 프로젝트는 다양한 권장 시스템 및 라이브러리에서 영감을 받았습니다.

연락하다

질문이나 문의 사항은 [email protected]에 문의하십시오.

행복한 추천!