问题标签 [content-based-retrieval]

我正在使用 LDA（潜在狄利克雷分配）主题建模进行基于内容的图像检索。我希望使用 Python 来做同样的事情。我无法在 Python 中为图像数据集的 LDA 找到任何库/包。这个包似乎只适用于文本语料库。请为图像语料库推荐任何 Python 包，或者简要列出执行图像 LDA 所需的步骤。

我的数据集包含 8 列，每列有 1482531 行我尝试通过
在 python 中使用 linear_kernel 进行余弦相似性来制作基于内容的 rcomondation 系统，但半小时后，由于数据集大，直到我出现错误记忆，并且如果这是他们解决此问题的解决方案

我在这里相当新，我提前感谢所有愿意花时间阅读这个问题的人。

我们正在使用 tf-idf 构建一个推荐系统来生成规范化的文档向量。基于用户与文档的交互（喜欢、不喜欢、花时间等等），我们希望生成与文档本身结构相同的用户配置文件。

虽然有很多关于“产品”方面的推荐系统和基于内容的过滤的文献，但关于用户偏好本身的结构却很少。我并不是在问一个“解决方案”，而是为了请我们指出正确的方向（或者简单地说，一个方向）。我们可能会自己解决一些问题，但如果已经有相当成熟的解决方案，则无需重新发明轮子。

非常感谢大家！丹尼尔

我正在研究两个不同季节（例如夏季和秋季）的闭环检测问题。我需要制作精确召回曲线。假设，我从夏季拍摄了 500 张图像，从秋季拍摄了 500 张图像。我有距离矩阵。在此处输入图像描述

但我完全困惑，如何制作精确的召回曲线。就像，对于一个季节的每张图像，我将按升序（距离）顺序获得 500 张最近的图像。我知道精确度和召回率的定义，但我无法接近这个问题的解决方案。期待任何形式的帮助或意见或建议。提前致谢。

Is is possible to implement product recommender system using TF-IDF?
Any data can be used in this recommender system ? (currently I have product name and description).

Besides that, can I use rating in this recommendation system ?

我是编码的绝对初学者。有这本书推荐系统，但我想在这里做一个小改动。目前，程序在收到用户的书名后会推荐相似的书，但我希望它以用户的书名作为输入，并在将用户的输入与 csv 文件中的书名进行比较后找到相似的书名。任何关于代码如何工作的分步指南也将不胜感激:)。这是代码

我正在开发一个像quora这样的问答系统应用程序，我想在我的应用程序中添加基于内容的推荐，以便它可以在根据用户以前看到的数据搜索问题时给出建议，并使用推荐系统在主页上显示类似的内容！

我一直在使用基本的 CB rec sys，并且已经完成了以下步骤：

--为每个项目创建TF-IDF向量。--根据每个用户给出的评分获取用户资料。

在那之后，我似乎可以得到用户个人资料和项目特征向量之间的相似度，这些向量可以很好地推荐或获得排名。但是，我需要计算评级的预测，因为我必须在不同算法之间比较 RMSE 的结果。在这种情况下，我需要一个值（1 到 5），以便计算误差。最好的公式是什么？

我不断收到以下错误-> 异常：暗淡。mismatch：测试数据包含 3 项，而内容包含 1526 项。请确保测试和内容的列匹配。

有人能帮我吗？我已经在这段代码上工作了几天。我的整个代码如下。

我不断收到以下错误-> 异常：暗淡。mismatch：测试数据包含 3 项，而内容包含 1526 项。请确保测试和内容的列匹配。

我为电影推荐系统建立了一个模型。我有一个我推荐给用户的 5 部电影的列表。例如，user_id 1 已经看过电影（2,3 和 4），系统会建议他可能感兴趣的其他 5 部电影。为此，我想使用召回率、精度、新颖性和偶然性指标来评估我的系统。有人可以帮助我如何在 python 中做到这一点吗？