پیدا کردن کتاب مورد علاقه بعدی شما می تواند یک چالش باشد ، اما اگر بتوانید یک سیستم هوشمند ایجاد کنید که کتابهای متناسب با علایق خود را توصیه می کند؟ با قدرت مدل های بزرگ زبان (LLMS) و پایتون ، می توانید یک موتور توصیه کتاب هوشمند ایجاد کنید که به خوانندگان کمک می کند تا کتاب ها را کشف کنند روی محتوای ، مضامین و احساسات آنها.

ما فقط یک دوره منتشر کردیم روی کانال YouTube FreecodeCamp.org که به شما آموزش می دهد چگونه یک سیستم توصیه کتاب را با استفاده از LLMS ، جستجوی بردار و پایتون بسازید. در طول این دوره ، شما می آموزید که چگونه process توضیحات کتاب ، تبدیل آنها به بازنمایی های ریاضی (تعبیه) و از تکنیک های جستجوی پیشرفته برای یافتن کتاب های مشابه استفاده کنید. در پایان ، شما یک موتور توصیه کار با یک رابط کاربر پسند ساخته شده با Gradio وجود دارد.

آنچه در این دوره یاد خواهید گرفت

تهیه و تمیز کردن داده های متن

قبل از ساختن سیستم توصیه ، به یک مجموعه داده خوب ساختار یافته نیاز دارید. این دوره با آموزش روش جمع آوری و پیش پردازش توضیحات کتاب ، شناسایی و رسیدگی به داده های گمشده و حذف توضیحات بی ربط یا کوتاه برای بهبود کیفیت توصیه آغاز می شود.

شما بررسی خواهید کرد که چگونه LLMS کار می کند و چرا آنها برای ایجاد موتورهای توصیه ای مفید هستند. با تبدیل توضیحات کتاب به بردارهای عددی ، می توانید فیلتر مبتنی بر محتوا را برای یافتن کتاب هایی با مضامین مشابه و سبک های نوشتن انجام دهید. شما همچنین دست می گیرید-روی تجربه لانگچین، یک چارچوب قدرتمند برای همکاری با LLMS و بانکهای اطلاعاتی وکتور.

ساختن پایگاه داده بردار و جستجوی کتابهای مشابه

هسته این سیستم متکی است روی ذخیره سازی کتاب در یک پایگاه داده بردار و با استفاده از تکنیک های جستجوی شباهت برای یافتن کتابهایی که مطابق با یک پرس و جو خاص هستند. برای بازیابی توصیه های کتاب به طور کارآمد ، جستجوی بردار را با استفاده از پایتون و لانگچین پیاده سازی خواهید کرد.

افزایش توصیه ها با طبقه بندی صفر و تجزیه و تحلیل احساسات

برای اینکه سیستم توصیه حتی باهوش تر شود ، از آن استفاده خواهید کرد طبقه بندی صفر شات با استفاده از LLM های از پیش آموزش از بغل کردن صورتبشر این به شما امکان می دهد بدون نیاز به داده های آموزشی دارای برچسب ، کتاب ها را به ژانرها یا مضامین طبقه بندی کنید. علاوه بر این ، شما یاد می گیرید که چگونه از LLM های تنظیم شده خوب استفاده کنید تجزیه و تحلیل احساسات، استخراج احساسات از توضیحات کتاب برای اصلاح بیشتر توصیه ها.

ایجاد یک رابط کاربر پسند با Gradio

برای اینکه سیستم توصیه برای کاربران در دسترس باشد ، با استفاده از داشبورد تعاملی ایجاد خواهید کرد درجه یکبشر این به کاربران امکان می دهد تا یک عنوان یا توضیحات کتاب را وارد کرده و توصیه های شخصی را فوراً دریافت کنند.

آماده ساخت موتور توصیه کتاب هوشمند خود هستید؟ دوره کامل را بررسی کنید روی کانال YouTube FreecodeCamp (ساعت 2 ساعت).

https://www.youtube.com/watch؟v=q7ms1vhm3yw