قبل از اینکه هوش مصنوعی دوست بعدی شما را پیش بینی کند ، ابتدا باید این کار را انجام دهد

در این پست ما به کار خود بر روی پیش بینی پیوند با مجموعه داده های Twitch ادامه خواهیم داد: ما داده های نمودار را از خوشه Neptune DB به یک سطل S3 با استفاده از ابزار صادرات نپتون ارائه شده توسط AWS صادر خواهیم کرد. هنگامی که کار صادرات داده را ایجاد می کنیم ، پروفایل “neptune_ml” را انتخاب خواهیم کرد و ابزار فایل “آموزش-داده-پیکربندی.JSON” را که بعداً در خط لوله استفاده خواهیم کرد ، ایجاد می کند. داده های صادر شده برای رمزگذاری ویژگی و پردازش داده ها آماده خواهند بود ، که مرحله بعدی مورد نیاز برای پیش بینی پیوند است.

قسمت 1 را اینجا بخوانید.

داده های نمودار در نپتون DB

ما با داده های نمودار که در Neptune DB داریم پس از بارگذاری لیست های رئوس و لبه ها با استفاده از API Loader Bulk Loader Neptune (همانطور که در قسمت 1 این راهنما توضیح داده شده است) شروع می کنیم.

راس ها نمایانگر کاربران هستند. تمام راس ها حاوی همان مجموعه خصوصیات هستند و یک راس واحد به این شکل است:

{: '153', : 'user', 'days': 1629, 'mature': True, 'views': 3615, 'partner': False}

همه لبه ها دارای یک برچسب یکسان هستند (“دنبال می شوند”) ، هر لبه 2 کاربر را به هم متصل می کند. یک لبه واحد به این شکل است:

{: '0', : 'follows', : {: '255', : 'user'}, : {: '6194', : 'user'}}

هدف ما صادر کردن داده ها به گونه ای است که می توان از آن در قسمت بعدی خط لوله داده ما استفاده کرد: پیش پردازش و رمزگذاری ویژگی.

اجرای ابزار Export Neptune در EC2

ما از …