使用用户-物品交互数据训练模型（带有0/1标签的CTR数据）。 参数: ----------- user_item_interactions : 元组列表 (user_id, item_id, label) 或 DataFrame

使用用户-物品交互数据（带有0/1标签的CTR数据）训练模型。 参数: ----------- user_item_interactions : 元组列表 (user_id, item_id, label) 或 DataFrame

获取所有可用的电影类型 - 用于电影偏好选择

获取层配置 返回层的配置参数，用于序列化和重建层。

返回层的配置字典。 Returns: dict: 配置字典。

确保用户处于激活状态

获取当前管理员用户（需要超级用户权限）

从 JWT 令牌获取当前认证用户

获取当前用户资料，包含偏好和历史记录

获取数据库会话的依赖注入函数

数据库会话依赖注入

获取冷启动服务的健康状态

获取重排序服务的健康状态

获取用户的交互次数。

获取指定电影的详细信息

获取指定电影的演员阵容

获取指定电影的导演和编剧

获取分页电影列表，支持过滤条件

获取人物详情（演员、导演等）

获取热门电影 - 基于 IMDb 评分和投票数

获取数据库统计信息

获取当前用户对指定电影的评分

推荐服务健康检查

健康检查 - 用于监控服务状态

判断用户是否处于冷启动状态。 用户为冷启动状态的条件： - 没有交互历史，或 - 交互次数少于 `threshold` Args: user_features

检查冷启动处理是否可用

检查精排是否可用

检查流水线是否就绪可用

检查服务是否就绪

检查策略是否准备好服务。

检查重排序服务是否就绪

检查策略是否就绪可用。

检查资源是否已加载并就绪。

检查精排服务是否就绪

检查重排序是否可用

用户登录并获取访问令牌

计算 Mean Absolute Error（MAE）。 Args: predictions: 预测值 actuals: 实际值 Returns: float: MAE

从召回服务获取电影类型映射

ml-latest-small数据预处理，用于经典推荐模型。 Args: input_path: ml-latest-small目录路径，包含ratings.csv output_path: 输出目录路径 rating_thresh

策略名称，用于日志和调试。

返回重排序策略的名称。

返回该精排策略的名称。