我需要使用机器学习为音乐平台制作音乐推荐系统。
平台有：
上述对象之间的关系是：
我得到了用户活动（听过的歌曲）和收藏（歌曲，艺术家，专辑）
Amazon ML似乎不支持协作过滤，现在我正在浏览Google Cloud ML。
一个问题是数据的大小。基本上每首歌都有1 +类型和1 +艺术家，这些都属于绝对属性。亚马逊ML支持~100个类别（如果艺术家被视为类别，我一眼就能看到2.5米）。通过谷歌的机器学习页面，我发现只有简单的例子，所以我真的不知道从哪里开始。
作为机器学习领域的初学者，我想知道问题是我看到（尝试解决）这些建议的方式，或者即使ML是要走的路。
答案 0 :(得分：2)
Google CloudML Engine是用于运行TensorFlow程序的托管解决方案。 TensorFlow是一个机器学习框架，设计时考虑到了规模。因此，只要您可以编写Distributed TensorFlow程序，就可以在CloudML Engine上运行它，这样可以很好地扩展。 （我会注意到，TensorFlow和机器学习一般都有学习曲线，但你肯定想要一个基于ML的推荐解决方案。）
快速Google search显示了使用TensorFlow构建推荐系统的多种有用材料（警告：我还没有审查过这些内容）：