基于贝叶斯个性化推荐的推荐系统，利用TensorFlow 2.1进行构建实现

电影推荐系统 每个城市有数百家餐厅，数千部电影和数百万其他高质量的产品，个性化推荐可以帮助我们节省大量时间。 推荐系统（RS）已成为我们时代的无处不在的服务。 在这个项目中，我将考虑如何使用贝叶斯个性化排名构建推荐系统。 隐式反馈的贝叶斯个性化排名 通常，对于给定的用户项目互动（例如得分），我们没有明确的反馈。 为了解决这个问题，开发了贝叶斯个性化排名的特殊方法。 如果我们假设与用户互动的商品是正面示例，则我们无法确定所有其他商品对特定用户都是负面的。 但是，我们仍然可以假设没有交互作用的项目是负样本。 现在，我们可以将数据抽样到三元组中：一个用户，一个正项，一个负项（）： 您可以的阅读更多详细信息。 数据 我将使用之一的MovieLens数据集。 该模型 为了构建模型，我们将使用TensorFlow 2.1。 这是神经网络的架构： 安装 只需运行命令make init 。 它将设置并