3

誰かが私を明確にするのを手伝ってくれますか。

現在、おすすめアイテムに対応するスコアを含むおすすめリストを返す協調フィルタリング (ALS) を使用しています。これに加えて、「ロマンチックな映画」など、ユーザーが指定したものに対応するタグがアイテムに含まれている場合、スコアを上げています (+0.1)。私にとって、これはハイブリッド コラボレーション アプローチと見なされます。これは、コンテンツ ベースのフィルタリングを使用してコラボレーティブ フィルタリングの結果を向上させているためです (間違っている場合は修正してください)。

では、Collaborative フィルタリングを行わずに同じアプローチを行ったらどうなるでしょうか? コンテンツベースのフィルタリングと見なされますか? ユーザーが指定したもの (「ロマンチックな映画」など) に対応する各料理の内容と属性に基づいて、引き続き料理をお勧めします。

私が混乱している理由は、Naive Bayes などのアルゴリズムを適用するコンテンツベースのフィルタリングを見たことがあるためです。このアプローチは、アイテム (コンテンツ) の単純な検索に似ています。

4

1 に答える 1

5

CFなしでブーストするスコアがないため、あなたが提案したことを実行できるかどうかわかりません.

Universal Recommenderとほぼ同じように、実際にハイブリッドを使用しています。純粋にコンテンツベースのレコメンデーションを行うには、2 つの方法を実装する必要があります

  • パーソナライズされたレコメンデーション: ここでは、ユーザーが好むアイテムのコンテンツを見て、同様のコンテンツを持つアイテムを見つける必要があります。これは、Mahout spark-rowsimilarity ジョブなどを使用してアイテムのモデルを作成することで実行できます: list-of-similar-items を作成し、検索エンジンで結果をインデックス化し、ユーザーの優先アイテム ID をクエリとして使用します。これは Universal Recommender に追加されています。
  • 「これを気に入った人は、これらも気に入った」: これらは、たとえば、閲覧中のアイテムに類似したアイテムであり、すべてのユーザーにとって同じです。パーソナライズされていないため、履歴のない匿名ユーザーにも役立ちます。これは、上記と同じインデックス ID を使用して実行できますが、クエリとして表示されているアイテムと同様のアイテムを使用します。類似したアイテム自体のみを使用することを考えるかもしれませんが、それらをクエリとして使用することで、検索エンジン クエリにカテゴリ ブーストを設定し、ブーストされたアイテムを返すことができます。これは Universal Recommender で既に機能していますが、同様のアイテムはまだモデルに含まれていません。

つまり、コンテンツを協調フィルタリングと混合すると、データが利用可能な場合に CF がより適切に機能するため、ほぼ確実により良い結果が得られます。コンテンツ ベースのレコメンデーションに頼る唯一の場合は、カタログが 1 回限りのアイテムであり、十分な CF インタラクションが得られないか、ニュース速報のように寿命が短いリッチ コンテンツを持っている場合です。

ところで、純粋なコンテンツ ベースの部分を Universal Recommender に追加するのを手伝いたい人は誰でも、ActionML.comでその新しいメンテナーに連絡できます。

于 2015-09-29T22:38:32.353 に答える