アイテムごとのおすすめ動画のオンライン エンジンを作成しています。私はいくつかの調査を行いましたが、それを実装する最良の方法は、ピアソン相関を使用して item1、item2、および相関フィールドを含むテーブルを作成することだと思いますが、問題は、アイテムの各レートの後に相関を再生成する必要があることです最悪の場合の N レコード (N はアイテムの数)。
私が読んだ別の考えは次の記事ですが、それを実装する方法は考えていません。
では、このプロセスを最適化するための提案は何ですか? または他の提案はありますか？ありがとう。
最適な解決策はありませんが、Stack Overflow の「collaborative-filtering」タグまたは「recommendation-engine」タグを見ると、多くの提案を見つけることができます。
この種の「ショッピング カート」の問題に対する現在のアプローチは、特異値分解 (SVD) を使用することです。NetFlix Prize の上位 3 人の参加者はすべて SVD を使用していました。SVD は、巨大な製品*人の共分散行列に対して「次元削減」を実行するために使用されます。幸いなことに、インクリメンタル メソッド (データセットにいくつかの観測値を追加しても、マトリックス全体を再計算する必要はありません) が存在します。