首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >编写一个基本的推荐引擎

问编写一个基本的推荐引擎
EN

Stack Overflow用户
提问于 2010-10-29 20:45:56
回答 3查看 5.4K关注 0票数 12

我希望写一个基本的推荐引擎,将采取和存储数字I(与图书有关)的列表,比较这些与大量相同的I的其他用户,并根据这些发现推荐额外的书籍。

经过一些谷歌搜索,我找到了this article,它讨论了Slope One算法的实现,但似乎依赖于用户对被比较项目的评分。理想情况下,我希望在不需要用户提供评级的情况下实现这一点。我假设如果用户在他们的收藏中有这本书,他们会喜欢它。

虽然我突然想到,我可以将每本书的评分默认为10,但我想知道是否有更有效的算法可以使用。理想情况下,我希望即时计算这些建议(避免批量计算)。如有任何建议,我们将不胜感激。

EN

回答 3

Stack Overflow用户

回答已采纳

发布于 2011-01-28 06:11:11

你的任务的一个基本算法是collaborative memory-based推荐系统。它很容易实现,特别是当您的项目(在案例书中)只有ID而没有其他功能时。

但是,正如您已经说过的,您需要用户对这些项目进行某种评分。但不要把评级想成1到5星,而更像是一个二元选择,比如0(图书未读)和1(图书已读),或者感兴趣或不感兴趣。

然后使用适当的来计算所有用户(和他们的项目集)和您自己之间的差异,选择与您最相似的n个用户(无论活动用户是谁),并挑选出您没有评级的项目(或考虑,选项0)。

我认为在这种情况下,一个好的距离度量应该是1范数距离,或者有时称为曼哈顿距离。但在这一点上,您必须试验您的数据集,以获得最佳结果。

对此主题的一个很好的介绍是由Breese等人撰写的论文,《协作过滤的预测算法的经验分析》。可用的here。对于一篇研究论文来说,这是一篇容易阅读的文章。

票数 11
EN

Stack Overflow用户

发布于 2010-12-22 03:15:39

Apriori algorithm可以根据用户感兴趣的项目集向您提供建议。你必须定义你自己的兴趣集合的概念,例如,用户在单个订单中购买的项目,用户曾经购买的项目,用户好评的项目,用户详细探索的项目。

Apriori算法需要批处理,但存在可能不需要批处理的改进。它们是AprioriTid和AprioriHybrid (对不起,没有链接)。

票数 2
EN

Stack Overflow用户

发布于 2011-03-05 14:06:20

@ndg非常有洞察力,作为一个在这个领域工作的人,我认为你使用了相当于~ {0,1}的评级系统是正确的。星级评分的大部分差异都是噪音。你可以允许{0,1,2}加上"love it!“但是同样,用户对这些按钮的使用是不一致的,所以限制选择是有好处的。火锅让用户有10个超级加爱,这保持了它的一致性。

我的建议是小心不要用太宽的笔触作画。换句话说,通用算法是最简单的,但您错过了机会主义的机会。

取一个你非常熟悉的小数据集--比如让你的一些朋友使用这个网站--并注意所有可能对用户距离评级产生积极或消极影响的因素。然后,在建模过程中,您必须决定哪些因素以及如何/多少因素。

请记住,规范的数量大约是曲线数量的大小。你可能想要考虑一个拟范数,伪范数,甚至是非连续范数。

我认为没有任何理由使用曼哈顿标准,事实上,我会使用基于图形的标准来计算用户之间的距离。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/4051965

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档