问题标签 [recommendation-engine]

问问题

For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.

1185 问题

0 投票

5 回答

3226 浏览

math - 构建协同过滤/推荐系统

我正在设计一个网站，该网站是围绕根据用户的口味向用户推荐各种项目的概念构建的。（即他们评价过的项目、添加到收藏夹列表中的项目等）亚马逊、Movielens 和Netflix 就是其中的一些例子。

现在，我的问题是，关于这个系统的数学部分，我不确定从哪里开始。我愿意学习所需的数学，只是我不知道需要什么类型的数学。

我查看了Grouplens.org上的一些出版物，特别是“ Towards a Scalable kNN CF Algorithm: Exploring Effective Applications of Clustering ”。(pdf) 在第 5 页“预测生成”之前，我非常擅长理解所有内容

ps 我并不是在寻找对正在发生的事情的解释，尽管这可能会有所帮助，但我对我需要知道的数学更感兴趣。这样我就可以理解发生了什么。

0 投票

2 回答

2027 浏览

recommendation-engine - 我在哪里可以了解推荐系统？

我想尝试构建一个推荐系统，我的意思是一种算法，它查看用户发布的偏好和/或评论，然后为他们提出建议，类似于 netflix 或亚马逊使用的。

学习如何编写这样的东西有哪些好的资源？我应该从哪里开始？

recommendation-engine

0 投票

6 回答

13374 浏览

java - Java 应用程序的推荐引擎

我想知道是否有任何可用的开源推荐引擎？它应该建议像 Amazon 和 Netflix 这样的东西。我听说过一个名为Apache Mahout-Taste的框架。我下周试试。如果您能分享您宝贵的想法，那就太好了。

java recommendation-engine mahout

0 投票

1 回答

1032 浏览

sql-server - 推荐系统实验

我正在阅读 Programming Collective Intelligence 一书，并尝试将我学到的知识应用于 Northwind 数据库。虽然我对我对所提出的算法的理解还没有信心，但我开始对一般概念有所了解。

使用 Northwind 数据库，我试图使用以下伪逻辑显示“购买此商品的客户也购买了 XYZ”的列表：

查找也购买了我的商品的其他客户
查找这些客户购买的所有其他商品
根据购买次数对商品进行排名
从上一步返回前 N 个项目

我正在使用以下查询：

我认为我的下一步是分解查询，以便我可以根据最近的购买（而不是所有历史购买）进行过滤，并将客户匹配限制为 N 个客户，而不是购买我产品的所有客户。任何人都可以提供任何指示吗？我是否朝着正确的方向前进？我应该完全采取不同的方向吗？

在这一点上，我的目标是性能而不是准确性，因为我知道我还没有将算法应用到最大收益的经验。我只是想应用这个概念。一旦我对它的理解感到满意，我打算针对具有更真实客户数据的更大数据库测试此查询。

sql-server recommendation-engine collective-intelligence

0 投票

4 回答

3112 浏览

sparse-matrix - 协同过滤程序：当没有足够的数据时如何处理 Pearson 分数

我正在使用协同过滤构建推荐引擎。对于相似度得分，我使用 Pearson 相关性。大多数时候这很好，但有时我的用户只共享 1 或 2 个字段。例如：

由于这只有 2 个数据点，因此 Pearson 相关性始终为 1（直线或完美相关性）。这显然不是我想要的，那么我应该使用什么值呢？我可以像这样丢弃所有实例（给出 0 的相关性），但我的数据现在非常稀疏，我不想丢失任何东西。是否有任何相似性分数可以与我的其他相似性分数（所有 Pearson）相匹配？

sparse-matrix recommendation-engine collaborative-filtering pearson

0 投票

6 回答

5302 浏览

prediction - How do I adapt my recommendation engine to cold starts?

I am curious what are the methods / approaches to overcome the "cold start" problem where when a new user or an item enters the system, due to lack of info about this new entity, making recommendation is a problem.

I can think of doing some prediction based recommendation (like gender, nationality and so on).

prediction recommendation-engine cold-start

0 投票

7 回答

9262 浏览