問題タブ [recommendation-engine]

私は数ヶ月ReSharper4.5を使用しています。これは非常に強力なツールですが、多くのシステムリソースを使用し、VSの動作が非常に遅くなります。どのツールを使用して、Resharperを同じ機能に置き換えることができます。どのリファクタリングツールを使用していますか？

要件

自然言語処理のための単語頻度アルゴリズム

Solr の使用

その質問に対する答えは素晴らしいものですが、SOLR を知るために費やしたすべての時間を NLP に活用できないかと考えていました。

私がSOLRを考えた理由は次のとおりです。

1. たくさんのトークナイザーがあり、多くの NLP を実行します。
2. 箱から出して使うのはかなり便利です。
3. 落ち着いた分散型アプリなので、簡単に接続できます
4. 私はそれでしばらく時間を費やしたので、使用すると時間を節約できます。

Solrを使用できますか?

上記の理由は良いのですが、私は SOLR THAT をよく知らないので、それが私の要件に適しているかどうかを知る必要があります。

理想的な使い方

理想的には、SOLR を構成してから、SOLR にテキストを送信し、インデックス付きのトンケン化されたコンテンツを取得できるようにしたいと考えています。

環境

私は、より大きなレコメンデーション エンジンの小さなコンポーネントに取り組んでいます。

メディアレコメンデーションエンジンを実装したい。これについても同様の投稿を見ましたが、私の要件はそれらとは少し違うと思うので、ここに投稿してください。

これが取引です。

VLCのようなメディアプレーヤー用のレコメンデーションエンジンを実装したいと思います。これは、シングルユーザーのみを処理する必要があるエンジンです。同様に、通常はシングルユーザーが使用するPCのメディアプレーヤーに埋め込まれます。そして、ユーザーの好き嫌いを学び始め、徐々にユーザーが好きなものを学びます。ここでは、シングルユーザーシステムとして推奨するためにデータを使用するための同様のユーザーを見つけることができません。それで、これについてどうやって行くのですか？

または、iPodなどに搭載する必要があるレコメンデーションエンジンと見なすことができます。iPodは、1人のユーザーについて学習し、そのコレクションから音楽/映画をレコメンデーションする必要があります。

ユーザーが視聴している音楽/映画のジャンル（おそらくアーティスト名）を集めて、最も視聴されているジャンルの映画を推薦することを考えましたが、非常に粗雑に見えますね。

では、使用できるアルゴリズムや参照できるリソースはありますか？

よろしく、

MicroKernel :)

私の（自宅の）CF学習はすべて、Accessをデータベースとして使用して行われており、DBに関する限り、「取得」しています。データベースサーバーはなく、データベースなどにログオンする必要もありません。テーブルの関係を簡単かつ視覚的に設定できます。ああ、それは本質的に無料で展開できます。

ただし、現在、複数のビジネスで使用される可能性が高く、最大50人の同時ユーザーが使用される可能性のあるアプリケーションに取り組んでいます。Accessは、実際にはアプリでのマルチユーザー使用や本番使用には対応していないと聞きました。SQLに必要なtweekingを最小限に抑えて、より適切で、できれば把握しやすいものとして、何をお勧めしますか（MySQLに変換するためのツールを使用しましたが、連結の処理は確かに異なります。あまり多くのデバッグを行う必要はありません）、ビジュアルインターフェイス利用可能で、スケーラブルで、バックアップ可能であり、必要なものがまだわからないものは何でも必要です。

Mahout で SVD アルゴリズムを使用して、e コマース ドメインで明示的なバイナリ データ セット (たとえば、ユーザーが購入したかどうか、特定の評価がないなど) に関するレコメンデーションを作成するにはどうすればよいですか? また、そのようなバイナリデータセットに関する推奨事項を生成することを目的としたアルゴリズムは何ですか?

私はmahoutの初心者です。私の目的は、ユーザーが購入したバイナリデータに関する推奨事項を作成することです。そこで、1〜3の評価を0および4〜5の評価として想定して、映画のレンズデータの上位Nの推奨事項を計算する際にアイテムとアイテムの類似性モデルを適用しました。 1.次に、テストデータの評価を使用して推奨事項を評価しようとしましたが、テストデータの上位20の推奨事項と上位の評価項目に一致するものはほとんどなく、ほとんどのユーザーに一致しませんでした。

それで、私の推奨は本質的に完全に悪いですか、それとも私の推奨を評価するために別の手段をとる必要がありますか？

私を助けてください ！前もって感謝します。

プラネイ、2年生、UG学生。

Apache Mahout レコメンデーション エンジンを実装しましたか? あなたが共有できるアドバイスはありますか？他に Mahout を使用しているサイトはありますか?

ありがとう！

私は映画の推奨エンジンで働いており、DB 設計の問題に直面しています。私の実際のデータベースは次のようになります。

• ここで、ID は MOVIES.id の外部キー、KEY_ID はテキスト キーワード テーブルのキーです。

これはDB全体ではありませんが、私の問題にとって何が重要かをここに示しました. 私は約 50,000 本の映画と約 130 万のキーワード相関を持っています。基本的に私のアルゴリズムは、特定の映画と同じキーワードを持つすべての人を抽出し、キーワード相関の数で並べ替えることで構成されています。

たとえば、「Cast away」に似た映画を探したところ、キーワードの相関関係が最も多かった (4 つのキーワード) ため、「Six days and six nights」が返されました。

アルゴリズムはさらに多くの要因に基づいていますが、これはアプローチにとって最も重要であり、最も難しいものです。

基本的に私が今やっていることは、与えられた映画に似たキーワードを少なくとも 1 つ持つすべての映画を取得し、しばらくの間重要ではない他の要因によってそれらを並べ替えることです。

それほど多くのレコードがなくても問題はありません。多くの場合、クエリは最大 10 ～ 20 秒続き、そのうちのいくつかは 5000 以上のムービーを返します。ここで誰かがクエリの最適化を手伝ってくれましたが（Mark Byersに感謝）、時間がかかりすぎるため、それだけでは十分ではありません

だから、各映画の映画の推奨事項を含むリストを事前に作成した方がよいと思いましたが、テーブルをどのように設計すればよいかわかりません..それは良い考えですか、それともどのようにこのアプローチを取りますか?

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。

アプリケーションでレコメンデーション システムを構築していますが、おそらく apache mahout を使用する予定です。大きなデータセットを収集する必要があり、一定期間にわたって収集されます。一種のログファイルとDBに収集して必要なときにエクスポートする