معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

ویژگی	مقدار
سیستم عامل	-
نام فایل	flike-predict-1.0.2
نام	flike-predict
نسخه کتابخانه	1.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	-
ایمیل نویسنده	tech@flike.app
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/flike-predict/
مجوز	MIT

# Module flike More information about Flike can be found [here](https://goflike.app). # Installation Install the [flike-predict](https://pypi.org/project/flike-predict/) package with pip. `pip3 install flike-predict` # Quick Guide 1. Install the module as described in [Installation](#installation). 2. Import the module into your code `from flike import *` 3. Initialize the `flike-recommend` client by calling the `initialize` function with your API key as a paremeter. 4. Call the corresponding functions whenever a user interacts with a content item. - `start` when a user starts interacting with a content item. - `like` when a user seems to like a content item. E.g., in the case of a video, call `like` when the user watched more than 80% of a video. - `dislike` when a user seems to dislike a content item. E.g., in the case of a video, call `dislike` when they stop watching after watching less than 50% of it. 5. Retrieve recommendations for a user by calling `recommend`. 6. Filter and sort the recommendations if any constraints need to be considered. 7. Display/Use the recommendation in your application in whatever way applicable. ## Functions `dislike(user_id: str, item_id: str)` : Registers a user-started item as 'disliked' by the user. 'Dislike' refers to any action indicating that a user dislikes the content item. E.g. for a video, this could be a user only watching 5% of the video and not finishing it. Parameters ---------- user_id : str The unique identifier of the user item_id : str The unique identifier of the content item `inititialize(api_key: str, server_url: str = None, version: str = None)` : Initialize the recommender. Parameters ---------- api_key : str Your API Key server_url : str (optional) This is only used for internal testing version : str (optional) Version of the API to use `like(user_id: str, item_id: str)` : Registers a user-started item as 'liked' by the user. 'Like' refers to any action indicating that a user likes the content item. E.g. for a video, this could be a user watching more than 85% of the video. Parameters ---------- user_id : str The unique identifier of the user item_id : str The unique identifier of the content item `recommend(user_id: str, num_item: int)` : Get an array of content items that a user is probable to consume/buy/subscribe/like or similar. Recommendations are sorted by descending probability of a user 'liking' them. Parameters ---------- user_id : str The unique identifier of the user num_item : str Number of content items that should be suggested `start(user_id: str, item_id: str, correlation_id: str)` : Registers a user starting to consume/interact with a content item.. Parameters ---------- user_id : str The unique identifier of the user item_id : str The unique identifier of the corellation_id The unique identifier of a recommendation ## Classes `FlikeException(response: requests.models.Response)` : Exception raised by Flike API. Attributes ---------- status : str status code of the error (HTTP error code) message : str explanation of the error ### Ancestors (in MRO) * builtins.Exception * builtins.BaseException `Recommendation(item_id: str, probability: float)` : Recommendation of a content item for a user Attributes ---------- item_id : str Unique identifier of the content item being recommended probability : str Probability of a user 'liking' the recommended item `RecommendationsResponse(items: list[flike.Recommendation], correlation_id: str)` : Response to a recommendation request. Attributes ---------- items : str Recommendations for a user correlation_id : str Unique identifier of the content item being recommended

نیازمندی

مقدار	نام
>=2021.10.8	certifi
<3,>=2.0.12	charset-normalizer
<4,>=3.3	idna
<3,>=2.27.1	requests
<2,>=1.26.9	urllib3

زبان مورد نیاز

مقدار	نام
>=3	Python

نحوه نصب

نصب پکیج whl flike-predict-1.0.2:

pip install flike-predict-1.0.2.whl

نصب پکیج tar.gz flike-predict-1.0.2:

pip install flike-predict-1.0.2.tar.gz