> For the complete documentation index, see [llms.txt](https://delphai.gitbook.io/delphai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://delphai.gitbook.io/delphai/documentacao/markdown/recomendacao-para-item.md).

# Recomendação para item

Os sistemas de recomendação com Collaborative Filtering (Filtragem Colaborativa) ajudam a sugerir itens relevantes analisando o comportamento de diferentes itens.

Por exemplo, imagine que você gostou de um filme em uma plataforma de streaming. Com o método método item-item, é possível sugerir um filme com base no que você acabou de assistir.

Esse método funciona como uma espécie de "rede de amigos invisível", ajudando você a descobrir coisas novas que têm tudo a ver com o item.

#### EXEMPLO DE USO

Para gerar o arquivo com todas as configurações necessárias para utilizar posteriormente:

```
uses
  UEasyAI;
  
procedure TrainModel;
var
  vEasyAIClass: TEasyAIRecommendationFromItem;
begin
  vEasyAIClass := TEasyAIRecommendationFromItem.Create(10);
  try
    vEasyAIClass.LoadDataset('C:\DelphAI\DelphAI\Datasets\MovieLens-100k\user_item_matrix.csv', False);
    vEasyAIClass.FindBestModel('C:\Example\trainedFile-rec-item');
  finally
    vEasyAIClass.Free;
  end;
end;

```

Ao concluir a procedure "FindBestModel", será criado o arquivo no diretório passado por parâmetro.

Para utilizar o modelo a partir do arquivo gerado:

```
uses
  UEasyAI;
  
procedure RecommendItemsFromItem;
var
  vEasyAIClass: TEasyAIRecommendationFromItem;
begin
  vEasyAIClass := TEasyAIRecommendationFromItem.Create(10);
  try
    vEasyAIClass.LoadDataset('C:\DelphAI\DelphAI\Datasets\MovieLens-100k\user_item_matrix.csv', False);
    vEasyAIClass.FindBestModel('C:\Example\trainedFile-rec-item');
  finally
    vEasyAIClass.Free;
  end;
end;
```

A estrutura da base de dados pode ser encontrado [aqui](/delphai/documentacao/base-de-dados/recomendacao.md).

#### GUIA DE CLASSES E MÉTODOS

TEasyAIRecommendationFromItem

* *constructor Create(aItemsToRecommendCount : Integer);* : cria o objeto com a base que será usada para treinamento.
  * *aItemsToRecommendCount* : quantidade máxima de itens que serão recomendados.
* *procedure LoadDataset(aDataSet : String; aHasHeader : Boolean = True);* : carrega a base de dados para treinamento ou uso nos modelos que necessitam.
  * *aDataSet* : caminho do arquivo CSV.
  * *aHasHeader* : indica se tem cabeçalho no arquivo.
* *procedure LoadDataset(aDataSet : TDataSet);* : carrega a base de dados para treinamento ou uso nos modelos que necessitam.
  * *aDataSet* : objeto TDataSet que contém os dados que serão usados para treinamento. 
* *procedure FindBestModel(aPathResultFile: String; aMode : TEasyTestingMode = tmStandard; aMaxThreads : Integer = 0; aCsvResultModels : String = ''; aLogFile : String = '');* : testa várias opções de modelos para encontrar e preparar o melhor dentre eles para ser usado nas predições.
  * *aPathResultFile* : caminho onde salva as configurações do modelo encontrado, antes do uso basta usá-lo para preparar todo o objeto para predições.
  * *aMode* : modo de pesquisa que será realizada, tendo 3 opções:
    * *tmFast* : testa somente os prováveis melhores modelos. É o modo mais rápido;
    * *tmStandard* : testa os prováveis melhores modelos, além de explorar parâmetros mais extremos;
    * *tmExtensive* : testa um grande número de modelos, incluindo o dos outros métodos. É o modo mais demorado.
  * *aMaxThreads* : opcional, máximo de threads que serão utilizadas simultaneamente. Caso for 0, irá usar a quantidade de threads disponíveis no CPU.
  * *aCsvResultModels* : opcional, caminho onde irá gerar um arquivo CSV contendo cada método testado, junto aos seus resultados.
  * *aLogFile* : opcional, caminho do arquivo de log.
* *procedure LoadFromFile(aPath : String);* : carrega o arquivo gerado no "FindBestModel" para criar e preparar o uso do melhor modelo encontrado.
* *function RecommendItem(aFromItemSample : TArray\<Double>) : TArray;* : retorna X itens recomendados a partir de um item que não estava no dataset.
  * *aFromItemSample* : dados do item que receberá a recomendação, cada posição X do array representa a nota desse item para o usuário no índice X.
* *function RecommendItem(aFromItemID : Integer) : TArray;* : retorna X itens recomendados a partir de um item que já está no dataset.
  * *aFromItemID* : ID do item que receberá a recomendação.