1

Simon Funk のアルゴリズムに従って構築されたレコメンデーション システムをテストしています。(Timely Dev によって書かれました。http://www.timelydevelopment.com/demos/NetflixPrize.aspx )

問題は、すべてのインクリメンタル SVD アルゴリズムが user_id と movie_id の評価を予測しようとすることです。しかし、実際のシステムでは、これによりアクティブなユーザーに新しいアイテムのリストが生成されるはずです。Incremental SVD の後に kNN を使用した人もいると思いますが、何かを見逃していなければ、Incremental SVD でモデルを作成した後に kNN を使用すると、パフォーマンスの向上がすべて失われます。

Incremental SVD/Simon Funk メソッドを使用した経験のある方は、新しい推奨アイテムのリストを作成する方法を教えてください。

4

4 に答える 4

1

おすすめ動画の作り方：

  1. 未視聴の映画のリストを取得する
  2. その特徴ベクトルにユーザーの特徴ベクトルを掛けます。
  3. 結果で降順に並べ替え、上位のムービーを取得します。

理論としては、2 つの次元 (コメディーとドラマ) しかないと仮定します。コメディが好きでドラマが嫌いな場合、私の特徴ベクトルは[1.0, 0.0]です。私を次の映画と比較すると：

Comedy:  [1.0, 0.0] x [1.0, 0.0] = 1
Dramedy: [0.5, 0.5] x [1.0, 0.0] = 0.5
Drama:   [0.0, 1.0] x [1.0, 0,0] = 0
于 2012-08-17T18:32:23.943 に答える
0

「インクリメンタル SVD」と呼ぶことができると思われるレコメンダー アプローチがたくさんあるので、これは大きな問題だと思います。特定の質問に答えるには: kNN は、元のスペースではなく、投影されたアイテム スペースで実行されるため、非常に高速である必要があります。

于 2012-01-13T08:18:53.283 に答える