การดาวน์โหลด vector database food similarity

vector database food similarity

ซอร์สโค้ดอื่น ๆ

1.0.0

ดาวน์โหลด

ฐานข้อมูลเวกเตอร์สำหรับการแนะนำ

ใช้กรณีคำแนะนำที่คล้ายคลึงกันสำหรับผลิตภัณฑ์อาหารที่มีฐานข้อมูล Chroma Vector ตามข้อเท็จจริงของอาหารแบบเปิด

มันทำงานอย่างไร

สคีมา

1. การขุดข้อมูลและการเตรียม (data-mining.js)

มีการเรียกคืนผลิตภัณฑ์ประมาณ 10,000 รายการโดยใช้ API อาหารเปิด แต่ผลิตภัณฑ์บางอย่างขาดข้อมูลดังนั้นหลังจากการประมวลผลเรามีผลิตภัณฑ์ประมาณ 4,300 รายการ แต่ละผลิตภัณฑ์มีตัวระบุชื่อชื่อ URL รูปภาพและเปอร์เซ็นต์ของส่วนผสม มีเวกเตอร์ที่มีการจัดทำดัชนีมากกว่า 1,500 ตัวโดยแต่ละเวกเตอร์แสดงถึงเปอร์เซ็นต์ของส่วนผสมในผลิตภัณฑ์อาหารทั้งหมด (เช่นน้ำตาลน้ำมันน้ำ ฯลฯ )
ในการเริ่มต้นการสร้างชุดข้อมูลให้เรียกใช้คำสั่งต่อไปนี้:

npm run data-mining

2. การย้ายข้อมูลบนฐานข้อมูลเวกเตอร์ (การย้ายถิ่น.js)

การโยกย้ายจะส่งออกชุดข้อมูลผลิตภัณฑ์ ( products.json ) ไปยังฐานข้อมูล Chroma ท้องถิ่น
เพื่อเปิดตัวการย้ายถิ่น Run:

npm run migration

3. สอบถามฐานข้อมูล (query.js)

ในการดำเนินการค้นหาไปยังฐานข้อมูลเวกเตอร์คุณต้องสร้างเวกเตอร์จากข้อมูลผลิตภัณฑ์
ก่อนอื่นเราเรียก API ผลิตภัณฑ์ Food Facts Open จากนั้นเราสร้างเวกเตอร์สำหรับการฝัง ( likeliest_recipes.json ) และใช้พวกเขาเพื่อทำการร้องขอไปยังฐานข้อมูล
โดยค่าเริ่มต้นเมื่อทำการสืบค้นบนฐานข้อมูล Chroma ผลิตภัณฑ์ที่คล้ายกันจะถูกกำหนดโดยใช้บรรทัดฐานเวกเตอร์ Squared L2 Norm :

L2 บรรทัดฐาน

บรรทัดฐานเวกเตอร์อื่น ๆ ยังมีให้เช่น Inner product หรือ Cosine similarity ละเอียดเพิ่มเติมเกี่ยวกับ Chroma และ HNSWLIB

การติดตั้ง

ติดตั้งแพ็คเกจที่ต้องการโดยใช้ NPM
```
npm ci
```
ในการเรียกใช้ฐานข้อมูล Chroma ในคอนเทนเนอร์ Docker ให้เปิดเผยบนพอร์ต 8080
```
docker run -p 8000:8000 chromadb/chroma:0.4.21
```
สอบถามฐานข้อมูลโดยใช้รหัสผลิตภัณฑ์ที่ไม่ซ้ำกันและแสดงการจับคู่ที่ใกล้เคียงที่สุด 3 รายการในคอนโซล
รหัสผลิตภัณฑ์ที่ไม่ซ้ำกันสามารถพบได้ใน URL ข้อเท็จจริงเกี่ยวกับอาหารเปิด (ตัวอย่างด้วย 3017620429484 : https://world.openfoodfacts.org/product/3017620429484/nutella-hazelnut-spread-ferrero)
```
node ./query.js product=3017620429484
```