Ich brauche ein Musikempfehlungssystem für eine Musikplattform mit maschinellem Lernen.Google Cloud ML für Empfehlungen
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.