1

我想实现一个媒体推荐引擎。我看到了一个类似的帖子，但我认为我的要求与那些有点不同，所以在这里发布。

这是交易。

我想为像 VLC 这样的媒体播放器实现一个推荐引擎，这将是一个只需要照顾单个用户的引擎。就像，它会嵌入到 PC 上的媒体播放器中，通常由单个用户使用。它会开始学习用户的好恶，并逐渐了解用户喜欢什么。在这里，它将无法找到相似的用户来使用他们的数据进行推荐，因为它是一个单一的用户系统。那么该怎么做呢？

或者您可以将其视为必须放入 iPod 中的推荐引擎，它必须了解单个用户并从其收藏中推荐音乐/电影。

我想开始收集用户观看的音乐/电影类型（甚至可能是艺术家的名字），并从最受关注的类型中推荐电影，但它看起来很粗糙，不是吗？

那么有没有我可以使用的算法或我可以参考的任何资源？

问候，

微内核:)

4

1 回答 1

3

您正在尝试做的事情非常具有挑战性……特别是因为它仍处于研究阶段，并且来自世界各地知名大学的许多 PHD 都在试图为此找到一个好的解决方案。

所以这里有一些你可能需要的东西：

  1. 您可以分析的数据：
    • 很多，很多，很多数据！
    • 它可以是关于媒体的元数据（名称、持续时间、标题、作者、风格等）
    • 或者你可以尝试从媒体本身做一些疯狂的特征提取。
  2. 将数据关联到的引用。
    • 由于您无法获得其他用户，因此您始终需要用户反馈。
    • 如果您不想因反馈问题而惹恼您的用户，请让您的应用程序连接到中央服务器，以便您可以比较用户。
  3. 一种可以很好地对数据建模的算法。

Netflix 奖的获得者是这样说的：

混合多个预测变量时，预测准确性大大提高。我们的经验是，大多数努力应该集中在推导大不相同的方法上，而不是改进单一的技术。因此，我们的解决方案是许多方法的集合。

结论：

推荐引擎没有灵丹妙药，需要多年的探索才能找到产生足够结果的良好算法组合。:)

于 2010-06-07T23:31:39.200 回答