Google Cloud ML für Empfehlungen

Question

Ich brauche ein Musikempfehlungssystem für eine Musikplattform mit maschinellem Lernen.

Die Plattform hat:

• 40+ Millionen Songs
• 4.5+ Millionen Alben
• 2.5+ Millionen Künstler
• 1648 Genres
• 600k Benutzer

Die Beziehungen zwischen den obigen Objekten sind:

• 1-Song - viel Genres
• 1-Song - viel Künstler
• 1-Song - 1-Album
• 1-Album - viele Lieder
• 1-Album - viele -Artists
• 1-Künstler - viele Alben
• 1-Künstler - viele Lieder

und ich bekam die Benutzer ac vität (hörte Lieder) und Favoriten (Song, Interpret, Alben)

Amazon ML scheint nicht Collaborative Filtering zu unterstützen, und jetzt bin ich der Suche durch Google Cloud ML.

Ein Problem ist die Größe der Daten. Grundsätzlich hat jedes Lied 1+ Genres und 1+ Künstler, die kategorische Attribute sind. Amazon ML unterstützt ~ 100 Kategorien (auf einen Blick habe ich 2,5m, wenn die Künstler als Kategorien betrachtet werden). Auf den maschinellen Lernseiten von Google habe ich nur einfache Beispiele gefunden, so dass ich nicht wirklich weiß, wo ich anfangen soll.

Als Anfänger in der Landschaft maschinelles Lernen Ich frage mich, ob das Problem der Weg ist, ich sehe (versuchen zu lösen), diese Empfehlungen, oder auch wenn ML ist der Weg zu gehen.

Answer 1

Google CloudML Engine ist eine gehostete Lösung TensorFlow Programme für den Betrieb. TensorFlow ist ein Framework für maschinelles Lernen, das im Hinblick auf die Skalierung entwickelt wurde. So lange Sie ein Distributed TensorFlow Programm schreiben können, können Sie es auf CloudML Engine ausführen, die Sie ziemlich gut skalieren sollten. (Ich werde feststellen, dass es sowohl für TensorFlow als auch für Machine Learning im Allgemeinen eine Lernkurve gibt, aber Sie werden definitiv eine ML-basierte Lösung für Empfehlungen benötigen).

Eine schnelle Google search zeigt mehrere hilfreich Materialien für den Aufbau eines Empfehlungssystems TensorFlow mit (Einschränkung: Ich habe nicht eine dieser überprüft):

• This coursera class auf maschinellem Lernen.
• A github repository verschiedener Empfehlung Algorithmen in TensorFlow
• Ein meetup in Singapur zum Thema (Kommentare haben Links zu Videos, etc.)
• Ein YouTube video
• Ein weiterer YouTube video