问题标签 [recommender-systems]

在下面的代码中，评价生成错误

我想知道是否有任何方法可以使用已经训练过的 WALS 模型获得新用户的推荐，并给出用户喜欢的项目列表。

目前，要获得推荐，您必须提供用户的 id，该用户必须是与模型一起训练的用户之一。我想通过提供新用户喜欢的项目列表来获得推荐。

隐式python库中也有类似的功能

我正在从头开始构建一个高度个性化的推荐系统，其中没有用户和项目之间交互的历史数据。尽管如此，用户在添加到系统时必须提供项目的标签列表：

1. 他真的很喜欢；
2. 他没有意见；
3. 他不喜欢

然后，基于这些标签，我可以匹配组 1.、2. 和 3 的一些项目。

因此，我正在考虑从组 1.、2. 和 3. 中采样项目，并分别为它们分配目标值 1、0 和 -1，以训练我的神经网络。在训练步骤之后，我将为每个用户获得一个高度个性化的神经网络，这将允许我开始推荐一些符合每个用户偏好的项目，尽管没有历史数据。

当然，当用户开始为推荐项目提供反馈时，我会更新网络以匹配他的新偏好。

话虽如此，这种方法是否有意义，或者神经网络不是最适合这种特定情况？

我使用 Google Files Go，它建议我清除手机中的表情包，并根据手机上的数据提供其他建议。谷歌是如何做到的？他们是否不断监控我手机上的所有数据？

我想知道他们是如何实现推荐模型的。

我知道一些数据集可用于运行协同过滤算法，例如基于用户或基于项目的过滤。但是，我需要在许多数据集上测试一种算法，以证明我提出的方法表现更好。我生成了值从 1 到 5 的随机用户项目评分矩阵。我将生成的矩阵视为基本事实。然后我删除矩阵中的一些评分，并使用我的算法预测缺失的评分。最后，我使用 RMSE 度量来比较地面实况矩阵和作为算法输出的矩阵。这种方法是否有意义？

我想问一下我的问题。我想在 python 中创建一个推荐系统。我已经创建了一个潜在函数矩阵并将其存储在包含如下数据的 csv 中：

对于推荐系统，我使用了 turicreate 库，但 turicreate 只能接受 csv 的结构如下：

有人可以帮我解决这个问题吗？或者有人可以为这个问题提供其他建议吗？因为我是python 3的初学者。谢谢

我设计了一个推荐系统，在评估过程中遇到了一个问题。在 top 1 推荐中，准确率和召回率均增加，在 top 3 推荐中反向增加。这是什么原因？谢谢你。

我正在使用此代码获取 ALS 建议：

我想为以前运行的用户和项目重用特征向量。如何将这些值设置为初始点？

我正在使用这段代码来计算火花建议：

这些是使这段代码工作的 Maven 依赖项：

使用此代码计算推荐需要大约 70 秒的数据文件。此代码产生以下警告：

现在我尝试通过在 maven 中添加此依赖项来启用 netlib-java：

为了避免这个新环境崩溃，我不得不做这个额外的技巧：

现在它也可以工作了，它没有任何警告，但它工作得更慢，执行相同的计算平均需要大约 170 秒。我在 CentOS 上运行它。

使用本机库不应该更快吗？有没有可能让它更快？

我打算在我的网络论坛上的主题后面做一个“建议的主题”块，现在我正在寻找这方面的建议。我需要使用哪些推荐引擎或技术来完成这项任务？

我知道这是一个集群问题，但我以前没有在这个领域工作过。