个性化机器学习是如何工作的？

Question

据说许多服务(如Netflix、Amazon和苹果Siri的谷歌搜索)通过了解用户的“习惯”而变得更好。据我所知，他们以某种方式为每个人创建了一个定制的机器学习模型，因为通用模型不能很好地工作。然而，我想知道如何在实践中做到这一点。为了便于讨论，假设我正在开发一种新的按摩椅，它将根据使用者的呼吸模式改变其“按摩配方”。我猜想(在这里我可能是错的)呼吸模式因人而异，但呼吸模式的变化表明人们希望得到什么样的信息(同样，这些假设是错误的，但它们是为了讨论而提出的)。我对这些型号是如何定制的有疑问。具体地说：

1. 我该如何训练我的假想装置的模型？
2. 如何定制上述模型？大公司(亚马逊et.al)是否为每个用户创建了一个特定于个人的模型？如果是这样的话，这难道不是不切实际的(谷歌为数十亿人服务，因此，拥有数十亿款车型将很难维护)
3. 例如，在Google的情况下，当第一次设置一个新的android手机时，用户需要重复三次"Ok Google“来训练他们的语音识别模型。这个小样本的声音是否足以创建语音识别模型？还是该示例用于自定义现有的通用模型？如果是的话，这是如何做到的呢？
4. 有没有参考资料(博客、论文等.)会详细讨论这个话题吗？

Answer 1

你应该用谷歌推荐系统。一个很好的起点是https://paperswithcode.com/task/recommendation-systems，在这里，他们有一些关于代码的推荐系统的论文。