手把手带你实现一个迷你版推荐系统

从零开始，20分钟在华为云服务器上搭建一个迷你版推荐系统；学完本期教程，将可以知道如何使用远程连接服务器，实现基于物品的协同过滤，以及redis的安装及使用，各位小伙伴们一起来学习吧~

实现思路

    使用推荐系统的经典数据集movielens，里面有用户对于电影的评分数据。我们将基于这一份数据实现基于物品的协同过滤：（1）利用Jaccard相似度计算物品（电影）相似度 （2）根据每个人有评分的物品（电影）去相似度结果中取得相似的物品 （3）加权求和取top。之后安装redis，启动服务，并将算好的推荐数据写入redis。

    总结如下步骤：

1、下载数据集

2、安装python3

3、基于物品的协同过滤推荐   

4、安装redis并启动服务

5、结果写入redis

用到的知识点

1、linux基本操作：远程连接服务器，文件下载、编辑、安装，服务启动等

2、基于物品的协同过滤

3、kv数据库redis 安装及使用 

安装部署

首先点击控制台-弹性云服务器

CPU架构选择鲲鹏计算，计算资源选择8core16GB，操作系统选择CentOS 8.0

网络选择性价比最高的方案：按流量计费，带宽选择最大

在终端远程登录

在控制台管理页面点击这里复制服务器的公网IP，打开终端，输入命令ssh root@{这里粘贴剪贴板里的IP地址}，之后输入之前设置的密码即可

下载数据集

利用wget命令下载movielens数据集： wget http://files.grouplens.org/datasets/movielens/ml-1m.zip

然后解压缩 unzip ml-1m.zip

安装python3

arm架构下安装python3的流程与x86略有不同，参考鲲鹏官网的文档https://support.huaweicloud.com/prtg-kunpengcpl/python_02_0001.html

基于物品的协同过滤

下载或复制粘贴github里的代码，执行python itemCF.py，等待大约10分钟可以生成一个文件rec_result.csv 

这里的结果表示给用户1推荐了1196,364,1265,318,2081,1198,2571,2716,1282,2096这些电影，下面同理

redis安装及使用

参考https://www.cnblogs.com/zuidongfeng/p/8032505.html安装redis和启动服务，注意修改damonize参数以后台方式启动。

执行python set_redis.py将结果写入redis

最后可以在redis-client中查询已经写入的结果

好啦，以上就是搭建迷你版推荐系统的完整过程了，如果有什么疑问，欢迎在下面留言告诉我~