回答情况：
提问时间：
问题标签：
5回答
我正在设计一个网站，它是围绕着根据用户的品味向用户推荐各种商品的概念而建立的。(例如，他们评分的项目、添加到收藏夹列表的项目等)亚马逊、Movielens和Netflix就是这样的例子。
浏览 3修改于2013-12-09得票数 8
回答已采纳
我真的很想了解人们是如何使用协作过滤和推荐引擎等的。我的意思更多的是在脚本的性能方面，而不是任何东西。我已经说过阅读编程集体智能，这是非常有趣的，但倾向于更多地关注算法方面的事情。整个系统的基础是向用户推荐帖子。我的应用程序是PHP/MySQL，但是我使用一些MongoDB来进行协作过滤--我使用的是一个大型的Amazon实例。我的设置实际上是一个2步的过程。因此，我每小时运行一次cron脚本，它运行一个脚本，该脚本计算站点上每个用户推荐的帖子1。这个过程是这样的：
脚本首先决定用户将得到哪种类
浏览 8提问于2012-01-16得票数 4
回答已采纳
我正在尝试构建一个基于协作过滤的推荐引擎，使用apache。我已经能够对我的数据运行recommendation_example.py，并取得了很好的效果。(MSE ~ 0.9)。
浏览 2修改于2016-03-01得票数 1
我正在用R构建一个基于用户的协同过滤推荐系统，使用前5000行进行训练，它给出的输出对我来说没有意义。"0.00661813368630046" "0.0119331742243437" "0.0136147038801906" [5] "0.0138312586445367"
我期待的是我想推荐的品牌的名称
浏览 1提问于2015-11-24得票数 2
我一直在阅读协作过滤来构建推荐引擎，这些例子往往围绕着电影这样的东西，用户对他们看过的电影进行评分，然后用它来查找他们可能喜欢的其他电影。但在事件的上下文中，这似乎没有什么意义，要求用户对事件进行评分并不是特别有帮助，因为他们只能在看到事件后才能对其进行评分，并且假设这是一个一次性事件，到那时已经结束，您不能再向任何人推荐它。但这也不是很理想，因为有些人可能会买到一张门票，讨厌它，不想被推荐任何类似的东西。此外，它还假设您知道用户何时购买了可能并不总是可能的东西的门票。那么，有没有一种很好的方式来对事件进行协同</
浏览 0提问于2011-10-21得票数 2
我注意到Netflix，我认为它曾经使用五星级的评分标准来评价内容，并在相同的范围内给出未分级内容的预测评分，现在它只是有基本的“喜欢/不喜欢”按钮。像潘多拉和Spotify这样的音乐流媒体服务似乎采用了同样的方法。我的问题是，在产生最好的建议时，是什么使二进制响应优于likert类型的规模？
这是否与算法的性质有关(例如，当可能的反应较少时，分类更准确)？或者，这一优势更多地与人类心理有关(更容易让用户在喜欢/不喜欢，而不是爱/喜欢/中性/不喜欢/恨)之间做出选择？
浏览 0提问于2018-06-18得票数 2
回答已采纳
我想找个方法来知道我的推荐系统的准确性。我使用的方法是基于用户X电影矩阵(其中的内容是给定用户对给定电影的评分)创建一个KNN模型。suggestions.flatten()[i]]["title"].values[0], distances.flatten()[i])) return distances, suggestions
调用推荐函数并显示每部电影推荐的的
浏览 9修改于2021-07-12得票数 0
回答已采纳
我希望找到一种方法，使用MLlib的ALS矩阵分解为所有用户生成顶级的n个推荐，但仍然没有成功。有人能告诉我有这样的方法存在吗？
浏览 3修改于2016-04-25得票数 1
回答已采纳
有人有什么好的推荐吗？我看过Crab和Django-recommender，但它们似乎都没有很好的文档。
基本上，我有两个调查应用程序，有相应的问题和答案，但不完全相同。我想要获取对这些问题的回答，并使用它们将每个集合中的用户相互配对，根据组1中的用户已经使用的内容为组2中的用户提供推荐。
浏览 0修改于2012-01-27得票数 16
回答已采纳
我有一个稀疏矩阵sparse，其中1100列对应于产品，130k多行对应于用户。在这个稀疏矩阵中，值是1或NA，其中1对应于“购买”，NA对应于“不购买”。item_rec <- Recommender(sparse[1:nrow(sparse)],method="IBCF",
浏览 3提问于2019-11-26得票数 0
4回答
你们中有谁知道一些很好的特定库，其中包含专门针对协作过滤/推荐系统的通用算法的实现，这些算法是用C++编写的
所以就像机器学习库一样，只是它是专门针对协同过滤和/或推荐系统的
浏览 0提问于2011-05-09得票数 0
回答已采纳
使用基于协同过滤的推荐使用机器学习方法和基于图的方法的优缺点是什么？user_company_name、product_name、product_price、product_ingredients)，并希望根据来自同一地点的其他用户、公司正在购买的产品、根据产品价格、成分等向用户推荐产品我想评估Neo4j (图形数据库)和Mahout (机器学习)的协同过滤。
浏览 0提问于2015-11-04得票数 0
2回答
我正在使用真实的用户数据实现一个电影推荐系统。我打算采用协同过滤的方法。然而，这种方法通常需要一个巨大的矩阵来存储用户的评分电影。因为我有超过一万部电影和十万用户。我不可能创建这么大的稀疏矩阵。我想知道每个人是如何在如此大量的数据中实现协同过滤的？谢谢!
浏览 3修改于2013-03-13得票数 2
回答已采纳
1回答
我和我的朋友已经决定在python.Initially中做一个关于推荐引擎的项目我们决定使用支持向量机做我们的项目，但很快发现它很难，因为它的监督学习，现在我们正计划使用自组织映射和可能的耦合与协同过滤(不知道这是否可能)来建立engine.Would任何人建议一个好的参考自组织map.Also除了使用协同过滤之外的任何其他选择。
浏览 0提问于2012-03-09得票数 3
2回答
Mahout提供三种类型的过滤-
1.数据模型2. UserSimilarity 3. ItemSimilarity 4.UserNeighborhood 5.推荐</em
浏览 5修改于2017-08-27得票数 1
回答已采纳
我正在寻找推荐系统为我的应用程序，推荐专辑的基础上用户购买的历史。我发现了一些系统/算法，比如协同过滤(基于用户/项目/模型/混合)。哪一个最适合我的应用程序？或者你能给我一些更好的解决方案吗？
浏览 0修改于2019-11-28得票数 0
1回答
我正在尝试使用sklearn truncatedSVD方法来实现协同过滤。然而，我收到了非常高的rmse，这是因为我对每一个推荐都得到了非常低的评分。我在一个稀疏矩阵上执行truncatedSVD，我想知道这样低的推荐是不是因为truncatedSVD接受非分级电影作为0级电影？如果没有，你知道什么可能会导致低推荐吗？谢谢!
浏览 1提问于2015-06-25得票数 2
2回答
我想测试一种新的协同过滤算法。一个典型的用例是根据类似于特定用户的用户偏好推荐电影。
研究人员经常使用哪些常用的基准数据集来测试他们的算法？我知道，在计算机视觉中，人们经常使用MNIST或CIFAR，但我还没有找到用于协作过滤的类似数据集。
浏览 0提问于2016-03-23得票数 10
回答已采纳
我知道可以使用Mahout构建一个推荐系统，但是否可以让它具有位置感知功能？例如，它首先过滤掉特定半径内的节点(使用地理空间数据)，然后对这些数据应用推荐(Mahout SVDRecommender)
浏览 0提问于2016-01-30得票数 0
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号