0

非常に具体的な推奨事項の問題があります。

アイテム、プロパティ、値の 3 種類の値/エンティティがあるとします。N 個のアイテム、A プロパティ、および B 値があります。各アイテムには、いくつかのプロパティと値のペアがあります。例:

アイテム#1
2374-23783
8455-5783
744-2438

アイテム#2
5435-23783
8455-54654
544-9778

...

ここで、上記のような 3 ~ 4 個のサンプル プロパティ値のペアを持つ Item#x などの「匿名」アイテムが与えられた場合、特定のプロパティの推奨事項を取得したいと考えています。例:

アイテム番号 x
5435-23783
544-9778
744-2438

8455-?? (推薦を受ける)

ここで、直観 - Item#x のプロパティ 8455 の推奨値は 54654 である可能性があります。プロパティ 5435 と 744 は、Item#2 と Item#x の値が同じであることがわかります。したがって、8455 の値は、項目 2 の 8455 の値と同様になる可能性が高くなります。

質問:

  1. この問題にはどのようなモデルが最適だと思いますか? どのようなアプローチを使用する必要がありますか? 協調フィルタリング - しかし、どのように? すべてのプロパティと値のペアをデータセットにダンプし、推奨事項をフェッチするだけでは、明らかに私のニーズは満たされません。

  2. 実装固有の詳細も追加できますか? マハウト?ミリックス?機械学習/推奨ライブラリ?

4

2 に答える 2

0

どんな機械学習アプローチでもうまくいきます。たとえば、ベイジアン ネットワークを使用することができます。これは、これらの条件付きアイテム プロパティ値の発生に自然であるためです。

懸念事項を知らずに実装固有の詳細を追加することは現実的ではありません。一番気になるのは?パフォーマンス、精度、またはスケーラビリティ?

于 2013-06-28T18:44:26.460 に答える