一个好的Python/Django协作过滤/匹配/推荐库？

我正在寻找一个库，我可以使用它根据问题的答案将我的用户与其他Django模型相匹配——这也是我自己的Django模型

所以我想要一些可定制的东西，有好的文档/支持，希望实现起来不太难

有人有什么好的建议吗？我已经看过Crab和Django推荐人，但它们似乎都没有很好的文档记录

---

基本上，我有两个调查申请，有相应的，但不完全相同的问题和答案。例如，应用程序1中的问题可以是“你一周喝多少晚？”而应用程序2中的问题可以是“你希望一周喝多少晚？”，并为实例中的第一个问题提供外键。我想把这些问题的答案拿出来，并用它们来配对每组用户，根据第一组用户已经使用的内容给第二组用户提供建议。

关于社交媒体与Python结合的主题，有一些好书

---

他们在免费的斯坦福ML课程中涵盖了这一主题。查看第十六章的视频，请访问

---

尽管讨论的实现是Matlab/Octave，但在Python中实现应该并不困难，如果您使用Numpy，则更容易实现。在任何编码语言（包括Python）中都可以使用的非常灵活的解决方案是

基本上，它是一个推荐算法服务库。设置非常简单：只需将HTTP调用（可以使用Django）发送到API端点url即可训练模型并接收建议

使用Abracadabra Recommender API，在使用

Python

时，首先将数据添加到模型中：

# These code snippets use an open-source library. http://unirest.io/python
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/add/subjects?recommenderId=rec1&subjectId=See+docs",
  headers={
    "X-Mashape-Key": "<required>",
    "Accept": "application/json",
    "Content-Type": "application/json"
  }
)

#这些代码片段使用开源库。http://unirest.io/python
响应=unirest.post（“https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/add/subjects?recommenderId=rec1&subjectId=See+文件“，
标题={
“X-Mashape-Key”：“，
“接受”：“应用程序/json”，
“内容类型”：“应用程序/json”
}
)

然后，通过对主题（例如电影）进行评级或喜欢来训练模型：

#这些代码片段使用开源库。http://unirest.io/python
响应=unirest.post（“https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/rate/subject?recommenderId=rec1&subjectId=gameofthrones&subjectWeight=10&userId=user1",
标题={
“X-Mashape-Key”：“，
“接受”：“应用程序/json”，
“内容类型”：“应用程序/json”
}
)

完成后，您将收到基于内容、协作或混合过滤的建议，如下所示：

# These code snippets use an open-source library. http://unirest.io/python
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/recommend?method=content&recommenderId=rec1&userId=user1",
  headers={
    "X-Mashape-Key": "<required>",
    "Accept": "application/json",
    "Content-Type": "application/json"
  }
)

#这些代码片段使用开源库。http://unirest.io/python
响应=unirest.post（“https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/recommend?method=content&recommenderId=rec1&userId=user1",
标题={
“X-Mashape-Key”：“，
“接受”：“应用程序/json”，
“内容类型”：“应用程序/json”
}
)

---

您可以查看其他语言的更多示例，包括

Angular

，

React

，

Javascript

，

NodeJS

，

Curl

，

Java

，

Python

，

Objective-C

，

Ruby

，

.NET

。。。在.

“根据问题的答案将我的用户与其他Django型号进行匹配”？你能解释一下吗？你能不能把问题更新到一个容易阅读的地方，把所有的事实都放在一个地方？科琳，把相关的模型贴出来，让大家对它们的结构有一个很好的了解，这是很有用的。据我所知，目前还没有一个库可以满足您的需求，主要是因为它似乎对实现来说过于具体。谢谢！看起来很不错！

# These code snippets use an open-source library. http://unirest.io/python
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/recommend?method=content&recommenderId=rec1&userId=user1",
  headers={
    "X-Mashape-Key": "<required>",
    "Accept": "application/json",
    "Content-Type": "application/json"
  }
)