テレビ番組の生放送を視聴することを推奨するレコメンデーションエンジンを構築したとします。通常のショーでは、協調フィルタリングなどを使用してかなり良い仕事をすることができます。しかし、それは1969年の月面着陸のようなものだったと言ってください。これは明らかに重要なイベントです。レコメンデーションエンジンでそのケースを処理する必要があります。しかし、ショーが終了するとその推奨の値がゼロに低下するため、過去の行動に依存することもできません。
推奨スペースでこの問題に対処するための効果的な方法は何ですか？
CFの問題は通常、逆です。クリック数や評価がない非常に新しいアイテムは、CFアルゴリズムでは推奨できないため、ユーザーの前に表示するのに問題があります。古くて有名なアイテムは簡単にお勧めできるはずです。
別の反対の問題があります。一部のレコメンダーシステムアルゴリズムは、ある意味で実際にはより良いレコメンデーションである可能性がある、よりロングテールであまり知られていないアイテムではなく、誰もが知っている有名なアイテムを優先する傾向があります。
このアイテムはある意味で非常に優れているという考えを持っているようですね。これは、推定評価値を大まかに引き上げることで含めることができる副次的な情報です。効果的なアプローチは、そのようなものだと思います。
2つの部分からなるレコメンデーションエンジンを使用できます。
それらをまとめます。