【基于机器学习的推荐系统项目实战-2】项目介绍与技术选型

一、项目介绍

1.1 采用的数据源

Kaggle Anime Recommendations Dataset。
其中的动漫数据源自myanimelist.net。

1.2 Concrec架构技术选型

• 数据预处理模块：汇总各方数据源+可视化检视数据+对数据进行清晰和转换（分类属性encode，数值属性进行缩放）
• 召回模块：根据多种策略对候选集进行初步召回。
• 排序模块：针对优化目标进行精准的排序，实现特定规则的重排序（类目打散，提升新颖性。）
• 接口服务模块：组装排序后的结果，提供给前端。
• 编程语言：Python。
• 微服务框架：Flask。
• 前端框架：Vue。
• 数据分析：pandas。
• 大数据处理：Spark+Flink。
• 机器学习框架：TensorFlow。

1.3 Sprak介绍

其中Spark是分布式大数据处理平台，解决了计算能力和存储能力分布的问题。
简而言之，让计算资源去找存储资源。

不同于Hadoop，Spark基于内存计算，速度更快。
同时提供多种编程接口如SparkSQL，Mllib等。

Spark和Hadoop的主要区别在于：

1. Spark是一个内存密集型的计算框架，而Hadoop是一个磁盘密集型的计算框架。
2. Spark支持流式处理，而Hadoop不支持。
3. Spark支持多种编程语言，而Hadoop只支持Java。
4. Spark支持实时处理，而Hadoop不支持。
5. Spark支持多种数据源，而Hadoop只支持HDFS。

1.4 Flink

Flink是一个开源的分布式流处理框架，用于处理实时数据流和批处理数据。它提供了一个高效的、可扩展的、可编程的运行时环境，可以用于处理大规模的数据流和批处理任务。Flink支持多种编程模型，包括Java、Scala和Python，可以轻松地将数据流和批处理任务组合在一起，以构建复杂的数据处理管道。Flink还提供了一系列的API，可以用于构建实时分析应用程序，以及支持多种数据源和数据格式，可以轻松地将数据从不同的源头集成到Flink中。

1.5 TensorFlow

TensorFlow是一个开源的机器学习框架，由Google开发，可以用于构建、训练和部署机器学习模型。它提供了一系列的工具，可以帮助开发者构建和训练深度学习模型，并且可以在各种硬件平台上部署模型，包括CPU、GPU和TPU。TensorFlow还提供了一个可视化工具，可以帮助开发者更好地理解和调试模型。