1/1[==============================]-0s270ms/step[131141916188690][0.17807570.174749990.173906940.172073690.171576530.168248440.16686520.166653590.166568760.16519257]keras_recommended_book_ids深度学习推荐列表[9137,10548,1,10546,2,1024,10,10550,7,512]2、算法原理使用Keras框架实现一个简单的深度学习推荐算法。Keras是建立在Python之上的高级神经网络API。Keras提供了一种简单、快速的方式来构建和训练深度学习模型。
根据用户对书籍的评分表，使用Emmbeding深度学习训练得到一个模型，预测用户可能评分高的书籍，并把前5本推荐给用户。
Emmbeding是从离散对象（如书籍ID）到连续值向量的映射。这可用于查找离散对象之间的相似性。Emmbeding向量是低维的，并在训练网络时得到更新。设计一个模型，将用户id作为用户向量，物品id作为物品向量。分别Emmbeding两个向量，再Concat连接起来，最后加上3个全连接层构成模型，进行训练。使用adam优化器，用均方差mse来衡量预测评分与真实评分之间的误差
THE END