python - レコメンデーション システム - さまざまな指標を使用

Question

アイテム ベースのニュース レコメンデーション システムの実装を検討しています。ニュース項目に対するユーザーの関心を追跡するには、いくつかの方法があります。それらには、評価 (1-5)、お気に入り、クリックスルー、およびニュース項目に費やされた時間が含まれます。

私の質問: レコメンデーション システムにこれらのさまざまなメトリックを使用するための良い方法は何ですか? たぶん、何らかの方法でそれらをマージして正規化しますか？

Answer 1

研究の世界におけるレコメンダー システムは、一般的に 1 ～ 5 のスケールで機能します。ユーザーからこのような明示的なシグナルを受け取ることは非常に良いことです。しかし、現実には、あなたのシステムのほとんどのユーザーが実際に評価を与えることは決してないだろうと思います。その場合、あなたは何もする必要がありません.

したがって、私はページビューを追跡するだけでなく、明示的なフィードバックメカニズム (1-5、親指のアップまたはダウンなど) を組み込むことも試みます。

アルゴリズムはこれを考慮に入れる必要があります。

Answer 2

レコメンデーション システムには、次の 2 つの問題があります。

1. 収集した数値に基づいて、特定のアイテムに対するユーザーの関心を定量化する方法

2. 定量化された関心データを使用して新しいアイテムをユーザーに推奨する方法

あなたは最初の問題にもっと興味があると思います。

最初の問題を解決するには、すべての数値を結合するために、線形結合またはその他の凝った関数が必要です。すべてのシステムに対応する単一の普遍的な機能は実際にはありません。ユーザーのタイプとアイテムに大きく依存します。高品質のレコメンデーション システムが必要な場合は、関数をトレーニングするために機械学習を行うためのデータが必要です。

2 番目の問題については、どちらかというと同じことですが、すべての項目を分析して、相互の関係を抽象化する必要があります。興味深い情報については、「Netflix 賞品」をググってください。