], order_data['top7'], order_data['top8'], order_data['top9'], order_data['top10']], axis=0) 

x = 50 

start = [] 

output = [] 

score_final = [] 

for i in range(x): 

    score = np.array(-100000000000000) 

    name = np.array(-100000000000000) 

    newscore = np.array(-100000000000000) 

    tmp = test_data[i] 

    k = len(tmp) 

    last_one = tmp[k - 2] 

    tmp = tmp[0:(k - 1)] 

    for j in range(number): 

        tmp1 = tmp[:] 

        target = rbind_data_level[j] 

        tmp1.append(target) 

        test_data_split = [tmp1] 

        newscore = model.score(test_data_split) 

        if newscore > score: 

            score = newscore 

            name = tmp1[len(tmp1) - 1] 

        else: 

            pass 

    start.append(last_one) 

    output.append(name) 

    score_final.append(score)  

3.3 联想记忆推荐

在3.2中，我们根据了这个用户近期购买行动，大年夜汗青已购用户的购买行动数据发明规律，供给推荐的商品。还有一个近似的逻辑，就是经由过程目标用户比来一次的购买商品进行推想，参考的是汗青用户的单次购买邻近的数据，具体如下：

3.1 类似商品映射表

这个实现也异常的简单，这边代码我本身也没有写，就不贴了，采取的┞氛样word2vec琅绫擎的predict_output_word(context_words_list, topn=10)，Report the probability distribution of the center word given the context words as input to the trained model

其实，这边具体做起来照样比较复杂的，我这边也是简单的贴了一些思路，如不雅有不明白的可以私信我，就如许，最后，感谢浏览。

【编辑推荐】

1. 一篇文┞仿控制TensorFlow深度进修
2. 若何用深度进修练习一个像你一样会聊天的机械人？
3. 处理移动端传感器时序数据的深度进修框架：DeepSense
4. 大年夜技巧到产品，苹不雅Siri深度进修语音合成技巧揭秘
5. 深度进修可视化对象大年夜盘点（附资本）

【义务编辑：庞桂玉 TEL：（010）68476606】

　　推荐阅读

　　利用命令行工具创建Linux/Mac系统下的网站备份

创建网站备份应当是一个网站治理员最为重要的日常工作之一。但实际情况是，备份这一步往往被很多人忽视，也就是说仍然有很多网管的网站安然意识较低。所有的Linux/Mac用户都可以或许零经济>>>详细阅读

本文标题：深度学习在电商商品推荐当中的应用

地址：http://www.17bianji.com/lsqh/37112.html

 1/2    1