我需要为一个网站组合一个推荐算法。我想出了一个非常简单的方法来实现这一点,但想知道是否有人可以向我指出任何可以帮助我更好地了解其他示例是如何组合在一起的文献。
我已经了解了 Apache Mahout 中的协作过滤、聚类和分类等功能,但我不知道机器学习如何融入所有这些功能。我可以看到如何为上述内容制作算法(除了机器学习),但想知道是否有人知道可以添加到组合中的其他任何东西。
另外,您认为 Recommender 的目的是什么,它如何发挥最佳作用?有人愿意分享定义吗?
谢谢!
我需要为一个网站组合一个推荐算法。我想出了一个非常简单的方法来实现这一点,但想知道是否有人可以向我指出任何可以帮助我更好地了解其他示例是如何组合在一起的文献。
我已经了解了 Apache Mahout 中的协作过滤、聚类和分类等功能,但我不知道机器学习如何融入所有这些功能。我可以看到如何为上述内容制作算法(除了机器学习),但想知道是否有人知道可以添加到组合中的其他任何东西。
另外,您认为 Recommender 的目的是什么,它如何发挥最佳作用?有人愿意分享定义吗?
谢谢!
现在有一个关于推荐系统的优秀 Coursera 课程,由该领域的先驱之一明尼苏达大学的 Joeseph Konstan 教授。这是免费的。相当不错,涵盖了推荐系统的基本分类,包括:
- Rating Systems
- Content Based Filters
- Collaborative Systems (User-user and Item-item)
- Dimensionality Reduction (SVD, its meaning, and how to compute it)
- Hybrid Systems
SVD 完全属于 ML,我发现这是我在任何地方看到的最连贯和最直观的呈现方式——而且我见过一些。
它还展示了如何使用 Lenskit(一个学术推荐系统工具包)来创建真实世界的系统。显然我喜欢这门课程,尽管我希望它们涵盖贝叶斯方法。
推荐系统是人工智能(特别是数据挖掘)中的一个主题,旨在向用户推荐新项目。这些项目可以是任何类型的,例如书籍、旅行、音乐等。
它主要由一个算法组成,该算法将尝试提取以前数据的一些知识(如用户偏好)以建议新的可购买项目。
它被 Netflix 和亚马逊广泛使用。当您看到“购买此内容的用户也喜欢此内容”这句话时,很有可能是推荐系统在其背后。
聚类和其他类似算法是用于改进推荐系统的方法。例如,您可能希望在应用特定推荐系统之前按相似度对用户进行分组,以获得更好的结果。为此,您可以使用 K-最近邻。
这两篇文章可能会帮助您更好地理解这个主题: Greg Linden、Brent Smith 和 Jeremy York。Amazon.com 推荐:商品到商品的协同过滤。
罗宾·伯克。混合推荐系统:调查和实验。用户建模和用户适应交互。