Web サイトのレコメンダー アルゴリズムをまとめる必要があります。これを達成するための非常に簡単な方法を思いつきましたが、他の例がどのようにまとめられているかをよりよく理解するのに役立つ文献などを誰かに教えてもらえないかと思っていました.
協調フィルタリング、クラスタリング、Apache Mahout の分類などの機能については認識していましたが、機械学習がこれらすべてにどのように適合するかについてはわかりません。上記のアルゴリズムを作成する方法はわかりますが（機械学習は別として）、ミックスに追加できるものを誰かが知っているかどうか疑問に思っていました.
また、Recommender の目的は何だと思いますか?どのようにすれば最も効果的に機能しますか? 定義を共有してくれる人はいますか?
ありがとう！
さまざまなアルゴリズムを組み合わせてレコメンダーを作成するさまざまな可能性について説明している記事があります。著者は 37 の異なるシステムとその参照を分析し、それらを 8 つの基本的な次元のリストに分類しました。
この論文は 2003 年に公開されており、その例の一部は現在利用できませんが、研究者が独自の推奨システムを構築するための非常に良い出発点になる可能性があります。
Robin Burk のレコメンダー システムの定義を彼の論文で共有したいと思います。
個々のレコメンデーションを出力として生成するシステム、または可能性のある選択肢の広いスペースで、パーソナライズされた方法でユーザーを興味深いまたは有用なオブジェクトに導く効果を持つシステム。
Recommender System は、人工知能 (特にデータ マイニング) 内のトピックであり、ユーザーに新しいアイテムを提案することを目的としています。これらのアイテムは、本、旅行、音楽など、あらゆる種類のものです。
これは主に、以前のデータ (ユーザーの好みなど) の知識を抽出して、新しい購入可能なアイテムを提案しようとするアルゴリズムで構成されています。
Netflix や Amazon で広く使用されています。「これを購入したユーザーは、あれも気に入った」というフレーズが表示された場合、その背後にはレコメンダー システムが存在する可能性が非常に高くなります。
クラスタリングやその他の同様のアルゴリズムは、レコメンデーション システムを改善するために使用されるアプローチです。たとえば、より良い結果を得るために、特定のレコメンダー システムを適用する前に、類似性によってユーザーをグループ化することができます。そのために、K-nearest neighbour を使用できます。
Greg Linden、Brent Smith、および Jeremy Yorkの 2 つの記事は、この主題をよりよく理解するのに役立つかもしれません 。Amazon.com の推奨事項: アイテム間の協調フィルタリング。
ロビン・バーク。ハイブリッド レコメンデーション システム: 調査と実験。ユーザー モデリングとユーザーに適応したインタラクション。
この分野の先駆者の 1 人である U Minn の Joeseph Konstan が提供する Recommender Systems に関する優れた Coursera コースが現在あります。無料です。以下を含むレコメンダーシステムの基本的な分類法をカバーしており、非常に優れています。
- Rating Systems
- Content Based Filters
- Collaborative Systems (User-user and Item-item)
- Dimensionality Reduction (SVD, its meaning, and how to compute it)
- Hybrid Systems
SVD は ML に真っ向から当てはまります。これは、私が見た中で最も一貫性があり、直感的なプレゼンテーションであることがわかりました。
また、Lenskit (アカデミック レコメンデーション システム ツールキット) を使用して実際のシステムを作成する方法も示します。もちろん、私はコースが好きでしたが、ベイジアン法をカバーしてほしかったと思います.