シンプルなアイテムからアイテムへのレコメンデーション システムはよく知られており、頻繁に実装されています。例は、Slope One アルゴリズムです。. ユーザーがまだ多くの項目を評価していない場合はこれで問題ありませんが、一度評価した場合は、よりきめ細かいおすすめを提供したいと考えています。非常に人気がある音楽レコメンデーション システムを例に挙げてみましょう。ユーザーがモーツァルトの曲を表示している場合、別のモーツァルトの曲またはベートーベンの提案が表示される場合があります。しかし、ユーザーがクラシック音楽に多くの評価を付けている場合、アイテム間の相関関係を作成し、ユーザーがボーカルや特定の楽器を嫌っていることを確認できる可能性があります。これは 2 つの部分からなるプロセスであると想定しています。最初の部分は、各ユーザーの評価間の相関関係を見つけることであり、2 つ目は、これらの追加データから推奨マトリックスを構築することです。問題は、これらの各ステップに使用できるオープンソースの実装またはペーパーがあるかどうかです。
1364 次
3 に答える
2
味は何か役に立つかもしれません。これは Mahout プロジェクトに移動されました。
一般に、ユーザーの過去の好みを考慮して、ユーザーが次に何を選択するかを予測し、それを推奨するという考え方です。入力がユーザーが過去に選択したものと各選択の属性である機械学習モデルを構築します。出力は、彼らが選ぶアイテムです。選択肢の一部を差し控え、履歴を使用して差し控えたデータを予測することで、トレーニング データを作成します。
さまざまな機械学習モデルを使用できます。決定木は一般的です。
于 2010-12-20T18:24:30.643 に答える
1
1 つの答えは、すべてのレコメンダー システムは、あなたが説明したプロパティのいくつかを持つべきだということです。最初は、推奨事項はあまり良くなく、いたるところにあります。好みを学習すると、ユーザーが好きな分野からおすすめが表示されます。
ただし、あなたが説明する協調フィルタリング プロセスは、基本的に、解決しようとしている問題を解決しようとしているわけではありません。これはユーザーの評価に基づいており、2 つの曲は似たような曲であるため、同じように評価されているわけではありません。似たような人が気に入っているという理由だけで、同じように評価されています。
本当に必要なのは、歌と歌の類似性の概念を定義することです。曲の響きによるのでは？作曲家？実際、その概念は評価に基づいていないように聞こえるからです。これは、解決しようとしている問題の 80% です。
あなたが本当に答えている質問は、特定のアイテムに最も似ているアイテムは何ですか? アイテムの類似性を考えると、それは推奨よりも簡単な問題です。
Mahoutは、オーディオに基づく曲間の類似性を除いて、これらすべてのことを支援できます。または、少なくともソリューションの開始とフレームワークを提供します。
于 2010-12-23T23:02:55.710 に答える
0
私が考えることができる2つのテクニックがあります：
- Backpropagationまたはその後継の 1 つ (Resilient Propagation など)を使用して、フィードフォワード人工ニューラル ネットワークをトレーニングします。
- バージョン スペース学習を使用します。これは、ユーザーの好みに関する最も一般的で最も具体的な仮説から始まり、新しい例が統合されたときにそれらを絞り込みます。用語の階層を使用して概念を説明できます。
これらの方法の共通の特徴は次のとおりです。
- ユーザーごとに異なる機能が必要です。これにより、レコメンデーションを検索する際の効率的なデータベース クエリがほぼ除外されます。
- ユーザーがアイテムに投票すると、その場で関数を更新できます。
- 入力データを分類する次元 (たとえば、ボーカル、1 分あたりの拍数、音階など) は、分類の品質にとって非常に重要です。
これらの提案は、実際の経験からではなく、知識ベースのシステムと人工ニューラル ネットワークの大学のコースから得られたものであることに注意してください。
于 2010-12-20T18:11:55.363 に答える