本の推薦システムとして、バックプロパゲーションを備えた ANN をセットアップしました。
ネットワークには隠れ層が 1 つしかなく、入力層と出力層の両方が本です。これは、本を入力してより多くの本の推奨を受け取ることができるはずだからです。
私はすでに、書籍に対するユーザーとその評価 (1 から 5) に関する多くのデータを持っています。バックプロパゲーション プロセスを経ずに、このデータのニューラル ネットワーク (すべての重みを設定) に入れたいと思います。どういうわけかより機械的にそれを行います。
各ユーザーが自分のライブラリに約 100 冊の評価された本を持っているとします。それらの重みを設定するにはどうすればよいでしょうか? ユーザーのライブラリ内の書籍は、ユーザーのライブラリ内の他の書籍とどのように関連していますか?
ありがとう。
したがって、ニューラル ネットワークを使用したくないようです。私は、ニューラル ネットワークがより難しく、これらのタイプのまばらな特徴空間でのトレーニングに時間がかかることを発見しました。あなたは、自分の評価と同様の購入を行った人々の評価を考慮して、ある人が好むかもしれない本を予測したいと考えています (私は信じています)。
協調フィルタリングを参照してください。ニューラルネットワークで問題を解決できないと言っているわけではありませんが、あなたが本当にしたいのかどうかはわかりません.
私はあなたがおそらくニューラルネットワークを使いたくないことに同意します。
通常、ANNの場合、初期の重みにはランダムな値が割り当てられ（おそらく乱数アルゴリズムによって計算されます）、その後、トレーニングの反復によって最適化されます。
問題を解決するためにファジー論理理論を調べましたか？私の経験によると、ファジーロジックは、本の評価をメンバーシップ関数として使用して、推奨するカテゴリ/本を決定できるこのシステムに適しているようです。
ニューラルネットワークはあなたの問題の解決策ではありません。必要なのは、2冊の本の間の類似性のメトリックです。これには、いくつかのタグ付けメカニズム、またはデューイ分類システムが含まれる可能性があります。次に、ユーザーの推奨事項には、好きな本に関連性の高い本を含める必要があります。