共计 2034 个字符，预计需要花费 6 分钟才能阅读完成。
咱们每天都在接触举荐零碎，短视频、电商、外卖、上演、广告……
明天，咱们将演示 Jina AI 社区用户 Achintya 的我的项目， 他用 Jina 搭建了一个电影举荐零碎。
电影举荐零碎原理概览
在这个 Demo 中，作者将电影举荐转换成了文本搜寻问题。
零碎将用户输出作为文本 query，并在数据库中搜寻与查找相似电影。
注：开始前须要向模型提供电影的名称、形容和类型等字段。
技术栈： Jina，Rest API，Dart
数据库： IMDB 电影数据集
电影举荐零碎架构图
具体过程如下：
1、从 Kaggle 下载 IMDB 电影数据集。
2、将数据增加至 DocumentArray 中，以便进一步预处理和索引。
3、将 DocumentArray 发送至 Flow，用 Jina Hub 上的 Executor 对数据进行索引。
4、搜寻 Flow 将对输出查问进行编码，并在索引数据中搜寻最匹配的选项。
5、找到最佳匹配后，发送 Rest API 作为输入数据（该 API 实用于各种前端框架）。
代码演示：3 个关键步骤打造电影举荐零碎
本 Demo 的外围步骤包含：构建 Flow、索引以及和搜寻性能。
1、创立 Flow
这里会用到两个 Executor：SimpleIndexer 及 TransformerTorchEncoder
from jina import Flow
flow = (Flow(port_expose='12345', protocol='http').add(
uses="jinahub://TransformerTorchEncoder",
uses_with={
"pretrained_model_name_or_path":
"sentence-transformers/paraphrase-distilroberta-base-v1"
},
name="encoder",
install_requirements=True
)
.add(
uses="jinahub://SimpleIndexer/latest",
uses_metas={"workspace": "workspace"},
volumes="./workspace:/workspace/workspace",
name="indexer"
)
)2、创立 Index 函数
Index 函数获取文本格式的图像数据集，并将其转换为 Jina 原生的 DocumentArray，发送至 Flow 进行索引和搜寻。
with flow as f:
f.post(on="/index", inputs=movies, show_progress=True)
f.post(on="/", show_progress=True)
f.cors = True
f.block()3、创立搜寻函数
搜寻函数接管文本输出，并收回 HTTP post 申请，从 Jina 后端获取相似的电影片名。
import 'dart:convert';
import 'package:http/http.dart';
makePostRequest() async {final uri = Uri.parse('http://192.168.1.9:12345/search');
final headers = {'Content-Type': 'application/json'};
var final_data = [];
Map<String, dynamic> body = {
"data": [{"text": "comedy"}
],
"parameters": {"limit": 10}
};
String jsonBody = json.encode(body);
final encoding = Encoding.getByName('utf-8');
Response response = await post(
uri,
headers: headers,
body: jsonBody,
encoding: encoding,
);
int statusCode = response.statusCode;
String responseBody = response.body;
print(statusCode);
var convertedData = jsonDecode(responseBody);
final_data = convertedData['data'][0]['matches'];
for (var item in final_data) {print(item['tags']['Title']);
}
}
void main(List<String> arguments) {print("Starting");
makePostRequest();}以上就是用 Jina 创立电影举荐零碎的全副过程，残缺代码请拜访 GitHub Repo
电影举荐零碎的成果展现
对于作者 Achintya：
Jina AI 社区成员，计算机科学业余大二学生，专一于机器学习及利用开发。
本文波及的学习材料
Learning Bootcamp
DocArray 文档
Jina 文档
退出社区
浏览原 blog
