这里有一个例子

https://medium.com/@julsimon/building-a-movie-recommender-with-factorization-machines-on-amazon-sagemaker-cedbfc8c93d8

在这个例子中，模型会返回你所查询电影的“分数”，以便你决定是否推荐该电影。能否让模型返回特定用户的前10部电影推荐呢？

这可以通过Amazon EMR来实现（例如这个https://aws.amazon.com/blogs/big-data/building-a-recommendation-engine-with-spark-ml-on-amazon-emr-using-zeppelin/），但这种解决方案无法提供用于实时推荐的REST端点（我对JobServer感到困惑）。

回答：

我是这篇文章的作者 🙂

FM会“简单地”填补推荐矩阵中的缺失值。你可以做的就是批量预测所有用户的所有电影，按分数降序排序，并将每个用户的前10个结果存储在缓存中，为什么不呢？这样可以方便从任何类型的应用程序中实时检索结果。我认为你还需要定期重新训练以适应新用户的推荐。

希望这对你有帮助。