Google Cloud ML 推荐

Question

我需要使用机器学习为音乐平台制作一个音乐推荐系统。

平台有：

• 40+万首歌曲
• 4.5+百万张专辑
• 2.5+ 百万艺术家
• 1648 种类型
• 60 万用户

以上objects的关系是：

• 1 首歌曲 - many-genres
• 1 首歌曲 - many-artists
• 1 首歌曲 - 1 张专辑
• 1 张专辑 - many-songs
• 1 张专辑 - many-artists
• 1 位艺术家 - many-albums
• 1 位艺术家 - many-songs

我得到了用户 activity（听过的歌曲）和收藏夹（歌曲、艺术家、专辑）

Amazon ML 似乎不支持协同过滤，现在我正在查看 Google Cloud ML。

一个问题是数据的大小。基本上每首歌都有 1+ 流派和 1+ 艺术家，这些都是分类属性。 Amazon ML 支持约 100 个类别（如果艺术家被视为类别，我一眼就能看出来 250 万）。浏览 google 的机器学习页面，我发现只有简单的例子，所以我真的不知道从哪里开始。

作为机器学习领域的初学者，我想知道问题是否出在我看到（尝试解决）这些建议的方式上，或者即使 ML 是可行的方法。

Answer 1

Google CloudML Engine 是 运行ning TensorFlow 程序的托管解决方案。 TensorFlow is a machine learning framework, designed with scale in mind. So as long as you can write a Distributed TensorFlow 程序，您可以在 CloudML Engine 上 运行 它，这应该可以让您很好地扩展。 （我会注意到，一般来说，TensorFlow 和机器学习都有一个学习曲线，但您肯定需要一个基于 ML 的解决方案来提供建议）。

快速 Google search 揭示了使用 TensorFlow 构建推荐系统的多种有用材料（警告：我还没有审查任何这些材料）：

• This coursera class 关于机器学习。
• TensorFlow中的各种推荐算法github repository
• 在新加坡有一个 meetup 主题（评论有视频链接等）
• 一个 YouTube video
• 另一个 YouTube video