に任意のコーディングで動作する非常に柔軟なソリューションを使用している場合、より簡単に、Pythonで実装するのは困難ではないでなければなりませんオクターブですが、言語（Pythonを含む）はAbracadabra Recommender APIです。
基本的には推奨サービスアルゴリズムライブラリです。設定は非常に簡単です.HTML呼び出し（Djangoで行うことができます）をAPIエンドポイントURLに送信するだけで、モデルをトレーニングしたり、推奨事項を受け取ることができます。 View the docs how。アブラカダブラ推薦APIで
、Pythonを使用しているとき、あなたが最初にあなたのモデルにデータを追加しますが：
# 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"
}
)
次に、あなたの評価や（例えば映画用）お好みの被験者でモデルをトレーニング：
# These code snippets use an open-source library. http://unirest.io/python
response = unirest.post("https://noodlio-abracadabra-recommender-systems-v1.p.mashape.com/rate/subject?recommenderId=rec1&subjectId=gameofthrones&subjectWeight=10&userId=user1",
headers={
"X-Mashape-Key": "<required>",
"Accept": "application/json",
"Content-Type": "application/json"
}
)
これが完了すると、コンテンツベース、共同またはハイブリッドフィルタリングに基づく推奨が次のように表示されます。
# 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"
}
)
あなたはAPI homepageに... Angular、React、Javascript、NodeJS、Curl、Java、Python、Objective-C、Ruby、.NETを含む他の言語でより多くの例を見ることができます。
"質問に対する回答に基づいて私のユーザーを他のDjangoモデルにマッチさせる"？これを説明できますか？ –
すべての事実を1つの読みやすい場所に入れる**質問**を更新**できますか？ –
コリーン、それらの構造の良いアイデアを与えるために関連するモデルを投稿すると便利です。私の頭の上からは、あなたが望むことをするための既存の図書館がわからないのです。主に、それが実現にはあまりにも具体的なものになるからです。 –