Engage 22 Project Bongrub

Engage 22 Project Bongrub

웹사이트 데이터

1.0.0

다운로드

Engage-22-Project-Bongrub

깨우다. 음식 야 ?.

'Bon Appetit', '당신의 식사를 즐기십시오'를 의미하는 프랑스어 문구를 들었을 것입니다.

이것은 ' Bongrub ' 입니다 . 우리 모두는 맛있는 음식이 우리에게 제공되는 것을 즐깁니다. 그러나 우리 중 얼마나 많은 사람들이 레시피를 보았습니다. 따라서 이것은 완벽한 레시피를 위해 사냥을 구하는 데 도움이되는 세계 최고의 레시피를 제공하려는 시도입니다.

놀랍습니다. 이것이 어떻게 요리되고 제공되는지 봅시다.

일하고 있는

이것은 새로운 레시피를 시험해보기 위해 기다리고있는 모든 미식가들을위한 레시피 저장소처럼 작동하는 웹 응용 프로그램입니다. 기계 학습 모델을 사용하여 구축 된 권장 엔진에서 작동하여 사용자의 입맛을 비밀리에 식별하고 브라우징 된 콘텐츠를 기반으로 유사한 레시피를 권장하여 사용자를이 응용 프로그램에 첨부 상태로 유지하려고합니다.

권장 엔진은 세 가지 주요 범주를 기반으로 분류 할 수 있습니다.

컨텐츠 기반 접근법
협업 필터링 접근법
하이브리드 접근

이 프로젝트에서는 컨텐츠 기반 필터링 방식을 사용했습니다. 일반화 된 공동 작업 접근 방식이 혼합되어있어 모델은 다른 사용자의 의견을 고려하여 권장 사항을 생성하는 하이브리드 모델 역할을합니다. 엔진의 권장 사항은 다양한 모델에 따라 다른 방식으로 작동합니다.

인기 기반 추천자
카테고리 기반 추천자 (등급과 인기도 고려)
컨텐츠 기반 추천자 (레시피 이름, 설명, 키워드, 재료, 수량 및 레시피 준비에 걸리는 시간에 따라)

데이터 세트에는 food.com에있는 레시피 및 리뷰가 포함되어 있습니다. 권장 모델은 엔진을 준비하기 위해 데이터 세트에서 9000 개의 레시피를 가져 왔습니다. 준비된 엔진은 플라스크 애플리케이션과 통합되었으며 서버는 모델에서 생성 한 .pkl 파일을 제공하기 위해 생성되었습니다. 그런 다음 Flask 앱을 Nodejs 서버와 통합하여 최종적으로 최종 사용자가 사용할 수 있도록 서버에서 응용 프로그램 클라이언트로 가져온 데이터를 렌더링합니다.