Rakkomandazzjonijiet Personalizzati
F'din il-paġna
Għanijiet
- Tibni sistema ta’ rakkomandazzjoni bbażata fuq embeddings
- Timplimenta rakkomandazzjoni bbażata fuq il-kontenut u fuq l-utent
- Timmaniġġja l-bidu kiesaħ (cold start) u d-diversità
Il-Prinċipju: Is-Similarità Hija Rakkomandazzjoni
Magna klassika ta’ rakkomandazzjoni tosserva l-imġiba: “In-nies li qraw dan l-artiklu qraw ukoll dak.” Jeħtieġ ħafna traffiku qabel ma tkun tista’ tgħid xi ħaġa utli—dan huwa l-problema tal-bidu kiesaħ (cold start), li tolqot kemm il-katalogi ġodda kif ukoll l-artikli ppubblikati llum stess.
L-approċċ bl-embeddings jaqbeż dan l-istennija. Jekk utent għoġbu artiklu, tirrakkomanda dawk bl-embeddings l-aktar qrib. Din hija rakkomandazzjoni bbażata fuq il-kontenut: tiddependi fuq il-kontenut, mhux fuq l-imġiba ta’ utenti oħra. Artiklu ppubblikat għaxar minuti ilu, li l-ebda qarrej ma fetaħ għadu, diġà għandu embedding u jsir rakkomandabbli immedjatament.
Rakkomandazzjoni Bbażata fuq il-Kontenut
Il-katalogu hawn taħt iħallat intenzjonalament żewġ dinjiet—tagħlim tal-magna (machine learning) fuq naħa, u inġinerija tas-softwer fuq l-oħra—sabiex ir-riżultati jkunu verifikabbli. Kull artiklu huwa kkodifikat billi tgħaqqad it-titlu u l-kontenut tiegħu: it-titlu jaqbad is-suġġett fil-qosor, il-kontenut jipprovdi l-vokabolarju, u l-użu ta’ wieħed mingħajr l-ieħor inaqqas il-kwalità tal-ġirien misjuba.
It-trikka tinsab fil-linja scores[idx] = -1. Mingħajrha, l-artiklu l-aktar simili għal artiklu dejjem ikun huwa nnifsu, b’punteġġ ta’ 1.0—u tkun qed tirrakkomanda lil qarrej dak li għadu kemm lesta.
from openai import OpenAI
import numpy as np
client = OpenAI()
# Article catalog
articles = [
{"id": "a1", "titre": "Introduction au machine learning",
"contenu": "Le ML permet aux machines d'apprendre à partir de données..."},
{"id": "a2", "titre": "Deep learning avec PyTorch",
"contenu": "PyTorch est un framework de deep learning flexible..."},
{"id": "a3", "titre": "Déployer une API REST avec FastAPI",
"contenu": "FastAPI est un framework Python pour créer des APIs..."},
{"id": "a4", "titre": "Les bases de PostgreSQL",
"contenu": "PostgreSQL est un SGBD relationnel open source..."},
{"id": "a5", "titre": "Réseaux de neurones convolutifs",
"contenu": "Les CNN sont utilisés pour la vision par ordinateur..."},
{"id": "a6", "titre": "NLP avec les transformers",
"contenu": "Les transformers ont révolutionné le traitement du langage..."},
]
# Index the catalog
textes = [f"{a['titre']}. {a['contenu']}" for a in articles]
response = client.embeddings.create(
input=textes, model="text-embedding-3-large"
)
catalogue_embs = np.array(
[d.embedding for d in sorted(response.data, key=lambda x: x.index)]
)
def recommander_similaires(
article_id: str,
k: int = 3
) -> list[dict]:
"""Recommends the k most similar articles."""
idx = next(i for i, a in enumerate(articles) if a["id"] == article_id)
article_emb = catalogue_embs[idx]
# Similarity with all other articles
scores = catalogue_embs @ article_emb
scores[idx] = -1 # Exclude the article itself
top_k = np.argsort(scores)[-k:][::-1]
return [
{"article": articles[i], "score": float(scores[i])}
for i in top_k
]
# A user reads "Introduction to ML"
recos = recommander_similaires("a1", k=3)
print("You read: Introduction au machine learning")
print("Recommendations:")
for r in recos:
print(f" [{r['score']:.3f}] {r['article']['titre']}")
Profil tal-Utent mill-Istorja
Ir-rakkomandazzjoni bbażata fuq artiklu wieħed biss tista’ malajr taqbad lill-qarrej f’bużnizza. Biex tqis il-vjaġġ kollu tiegħu, tibni vettur tal-profil billi tgħaqqad l-embeddings tal-artikli li raw: dan il-punt medju jirrappreżenta l-interessi tagħhom fl-istess spazju tal-katalogu, u mbagħad tfittex l-artikli l-aktar qrib ta’ dan il-punt.
Madankollu, il-qari ta’ sitt xhur ilu m’għandux ikollu l-istess piż bħal dak ta’ lbieraħ. Il-piż tar-reċenza (recency weighting) jittratta dan: il-fattur 0.5 ** (n - 1 - i) inaqqsu n-nofs il-piż f’kull pass lura fl-istorja. Qarrej li segwa t-tagħlim tal-magna għal żmien twil iżda dan l-aħħar beda bl-APIs se jara r-rakkomandazzjonijiet tiegħu jinbidlu fi ftit artikli minflok ma jibqgħu ffriżati. In-normalizzazzjoni finali terġa’ ġġib il-profil għall-isfera unitarja, kundizzjoni biex il-prodott dot mal-katalogu jkun similarità tal-kożinu xierqa.
def creer_profil_utilisateur(
articles_consultes: list[str],
poids_recency: bool = True
) -> np.ndarray:
"""Creates a profile vector from history."""
indices = [
i for i, a in enumerate(articles)
if a["id"] in articles_consultes
]
if not indices:
return np.zeros(catalogue_embs.shape[1])
embs = catalogue_embs[indices]
if poids_recency:
# Recent articles count more
n = len(indices)
poids = np.array([0.5 ** (n - 1 - i) for i in range(n)])
poids /= poids.sum()
profil = np.average(embs, axis=0, weights=poids)
else:
profil = np.mean(embs, axis=0)
# Normalize
profil /= np.linalg.norm(profil)
return profil
def recommander_pour_utilisateur(
articles_consultes: list[str],
k: int = 3
) -> list[dict]:
"""Recommends articles based on the user profile."""
profil = creer_profil_utilisateur(articles_consultes)
scores = catalogue_embs @ profil
# Exclude already viewed articles
for i, a in enumerate(articles):
if a["id"] in articles_consultes:
scores[i] = -1
top_k = np.argsort(scores)[-k:][::-1]
return [
{"article": articles[i], "score": float(scores[i])}
for i in top_k
]
# User who read ML and deep learning
recos = recommander_pour_utilisateur(["a1", "a2"], k=3)
print("History: ML + PyTorch")
print("Recommendations:")
for r in recos:
print(f" [{r['score']:.3f}] {r['article']['titre']}")
Rakkomandazzjoni b’Mistoqsija tat-Tekst
Il-profil imġibenti jinjora ħaġa waħda li l-utent jaf aħjar minnek: x’inhu qed ifittex illum. Peress li l-katalogu diġà huwa kkodifikat, biss għandek bżonn tikkodifika frażi ta’ test liberu biex tistaqsi lill-istess spazju. “Nixtieq nitgħallem noħloq APIs” iġib l-artiklu ta’ FastAPI, anke jekk l-istorja tal-qarrej fiha biss tagħlim tal-magna. Din hija wkoll l-unika għażla disponibbli għal viżitatur li ma taf xejn dwaru.
def recommander_par_interet(
description: str,
k: int = 3
) -> list[dict]:
"""Recommends articles based on an interest description."""
query_emb = client.embeddings.create(
input=description,
model="text-embedding-3-large"
).data[0].embedding
scores = catalogue_embs @ np.array(query_emb)
top_k = np.argsort(scores)[-k:][::-1]
return [
{"article": articles[i], "score": float(scores[i])}
for i in top_k
]
# "I want to learn how to create APIs"
recos = recommander_par_interet("créer des APIs web en Python")
for r in recos:
print(f" [{r['score']:.3f}] {r['article']['titre']}")
Diversifikazzjoni tar-Rakkomandazzjonijiet
L-issortjar bis-similarità pura jipproduċi difett viżibbli fil-produzzjoni: il-ħames rakkomandazzjonijiet jixbhu lil xulxin. Qarrej tal-artiklu dwar is-CNN jirċievi ħames varjanti tal-viżjoni kompjuterizzata, meta t-tieni jew it-tielet suġġeriment seta’ jiftaħ il-bieb għat-transformers.
MMR (Maximal Marginal Relevance) jissolva dan billi jagħżel l-artikli wieħed wieħed: f’kull dawra, jagħżel dak li jimmassimizza r-rilevanza għall-mistoqsija, minus ir-ridondanza massima ma’ dak li diġà ntgħażel. Il-lambda_param jistabbilixxi l-kompromess—f’1.0 tikseb issortjar klassiku, f’0.5 tiffavorixxi ħafna l-varjetà, u l-valur predefinit ta’ 0.7 jagħti lista rilevanti li tieħu n-nifs.
def recommander_divers(
query_emb: np.ndarray,
k: int = 5,
lambda_param: float = 0.7
) -> list[int]:
"""MMR: balances relevance and diversity."""
scores = catalogue_embs @ query_emb
candidats = list(range(len(articles)))
selectionnes = []
for _ in range(k):
if not candidats:
break
meilleur_score = -float("inf")
meilleur_idx = -1
for idx in candidats:
# Relevance
pertinence = scores[idx]
# Max redundancy with already selected
if selectionnes:
sims_selectionnes = [
float(np.dot(catalogue_embs[idx], catalogue_embs[s]))
for s in selectionnes
]
redondance = max(sims_selectionnes)
else:
redondance = 0
# MMR Score
mmr_score = (
lambda_param * pertinence
- (1 - lambda_param) * redondance
)
if mmr_score > meilleur_score:
meilleur_score = mmr_score
meilleur_idx = idx
selectionnes.append(meilleur_idx)
candidats.remove(meilleur_idx)
return selectionnes
Punti Ewlenin
- L-embeddings jippermettu rakkomandazzjoni bis-similarità tal-kontenut
- Il-profil tal-utent jinbena billi jiġu medjati l-embeddings meqjusa
- Il-piż tar-reċenza jagħti aktar importanza lill-viżjonijiet riċenti
- L-MMR jiddiversifika r-rakkomandazzjonijiet billi jippenalizza r-ridondanza