（13-5）服装推荐系统：系统主文件

最新推荐文章于 2024-10-04 20:45:38 发布

码农三叔

最新推荐文章于 2024-10-04 20:45:38 发布

阅读量833

点赞数 11

分类专栏：推荐系统文章标签：算法深度学习人工智能 python 推荐算法

本文链接：https://blog.csdn.net/asd343442/article/details/138344756

版权

推荐系统专栏收录该内容

65 篇文章 12 订阅

订阅专栏

祝福大家五一假期性福快乐：

12.7 系统主文件

本项目的系统主文件是main.py，功能是实现了一个基于推荐模型的推荐系统的用户解码，具体实现流程如下所示：

定义了一个名为Recommendation的推荐模型对象。
定义了一个装饰器函数load_customer_id()，用于加载客户数据并返回客户列表。根据配置文件中指定的路径读取客户数据，并进行一系列的数据处理操作，最终返回客户列表。
定义了一个函数recommend(customer_id)，用于根据给定的客户ID进行推荐，并返回推荐的物品列表。在recommend(customer_id)函数中，调用推荐模型对象的predict()方法进行推荐，然后将推荐的物品与对应的图片路径进行关联。
定义了一个主函数main()，用于构建推荐系统的用户界面。使用库Streamlit中的函数和方法构建用户界面，包括显示标题和图像，创建下拉菜单，并根据用户选择的客户调用recommend()函数进行推荐并展示推荐结果。
在主函数中，使用Streamlit库创建了一个Web应用界面，包括标题、图像和下拉菜单等元素。
在下拉菜单中选择一个客户，点击“Recommend”按钮后，调用recommend()函数进行推荐，并将推荐的物品和对应的图片显示在界面上。

文件main.py的具体实现代码如下所示。

model_obj = Recommendation()
@st.cache
def load_customer_id():
    PATH = os.path.join(
                         read_yaml_key(CONFIGURATION_PATH, 'data_source','data_folders'),
                         'customer_lists.parquet'
                        )

    unique_customer_id = read_from_parquet(PATH)
    customer_lists = (unique_customer_id[['customer_id','article_id']]
                          .groupby('customer_id')['article_id']
                          .apply(list)
                          .reset_index()
                        )
    customer_lists = customer_lists.merge(unique_customer_id[['customer_id','org_customer_id']], on = ['customer_id'], how = 'inner')
    customer_lists = customer_lists.drop_duplicates(['customer_id','org_customer_id'], keep ='last')
    del [unique_customer_id]
    gc.collect()

    return customer_lists

def recommend(customer_id):
    recommend_items = model_obj.predict(customer_id)
    recommend_items['image_path'] = list(map(get_relative_image_path, recommend_items['article_id']))
    return recommend_items

def main():

    st.markdown("<h1 style='text-align: center; font-size: 65px; color: #4682B4;'>{}</h1>".format('Recommender System'), 
    unsafe_allow_html=True)
    st.image("./references/banner.png")
   
    customer_lists = load_customer_id()

    selected_customer = st.selectbox(
        "Type or select a customer from the dropdown",
        customer_lists.org_customer_id.values
    )
    if st.button('Recommend'):

        output = recommend(selected_customer)
        items = output.article_id.values
        image_path = output.image_path.values
        st.header("Recommendation")    
        cnt = 0 
        cols = st.columns(5)
        for i in range(5):
            #cols[i].header(items[cnt])
            cols[i].image(image_path[cnt])
            cnt += 1          
        cols = st.columns(5)
        for i in range(5):
            #[i].header(items[cnt])
            cols[i].image(image_path[cnt])
            cnt += 1
        cols = st.columns(5)
        for i in range(5):
            #cols[i].header(items[cnt])
            cols[i].image(image_path[cnt])
            cnt += 1
          
if __name__ == "__main__":
    main()

执行上述代码后将启动一个基于推荐模型的推荐系统的用户界面，如图12-10所示。整个用户界面包含以下主要元素和交互功能：