Un produit qui fait le bbook.svurd'hui : https://t.co/l60esfcAoO Il s'agit d'un système de recommandation de livres personnalisé, entraîné sur 300 millions d'avis Goodreads. En indiquant les livres que vous avez déjà lus, vous recevrez des recommandations plus pertinentes. Pour une expérience optimale, il vous suffit de fournir au moins trois livres. L'interface est très simple (avec le framework Bootstrap et ses en-têtes noirs caractéristiques !), et seuls les titres en anglais sont disponibles pour le moment, mais je l'aime beaucoup. J'ai entré quelques livres que j'apprécie, et les recommandations étaient très pertinentes. Je la recommande aux amoureux des livres. L'auteur a également présenté brièvement les détails techniques du site web : https://t.co/uJNQy1OABz Insatisfait de la piètre qualité des recommandations de Goodreads et de la difficulté à trouver des utilisateurs partageant les mêmes centres d'intérêt après le rachat par Amazon, l'auteur a créé son propre site web : https://t.co/wKjhSC2kGu données: * Ne récupérer que les étagères de livres « lus » des utilisateurs répertoriés publiquement, à condition que l’utilisateur possède au moins 5 livres. * Nous avons recueilli entre 100 et 193 millions d'identifiants d'utilisateurs (du début août au début octobre), obtenant finalement 43 millions d'utilisateurs qualifiés. Chaque utilisateur sélectionne aléatoirement jusqu'à 64 sous-séquences de livres, ce qui représente environ 3 milliards d'interactions. Après la phase d'entraînement et de test, le modèle utilise en réalité 1,3 milliard d'interactions. Pile technologique : * Prétraitement : NVTabular (regroupement, normalisation, remappage des identifiants). * Recherche : Meilisearch. * Inférence : Serveur Triton.
