Un motore di raccomandazione cerca di prevedere quanto un utente apprezzerà determinati beni (film, libri, canzoni, ecc.) E fornisce consigli. Sono spesso utilizzati dai venditori online per suggerire nuovi acquisti.
Sono un po 'confuso da come viene utilizzato SVD nel filtro collaborativo. Supponiamo di avere un grafico sociale e di costruire una matrice di adiacenza dai bordi, quindi prendere un SVD (dimentichiamoci di regolarizzazione, tassi di apprendimento, ottimizzazioni di sparsità, ecc.), Come posso usare questo SVD per migliorare i miei …
Chiuso. Questa domanda è fuori tema . Al momento non accetta risposte. Vuoi migliorare questa domanda? Aggiorna la domanda in modo che sia in argomento per Cross Validated. Chiuso 2 anni fa . Sto usando il cursore per eseguire una foresta casuale convalidata in modo incrociato su un set di …
Nel filtro collaborativo, abbiamo valori che non sono stati inseriti. Supponiamo che un utente non abbia guardato un film, quindi dobbiamo inserire un "na". Se ho intenzione di prendere un SVD di questa matrice, allora devo inserire un numero in essa - diciamo 0. Ora se fattorizzo la matrice, ho …
Sto cercando di capire i modelli di fattorizzazione a matrice per i sistemi di raccomandazione e leggo sempre "caratteristiche latenti", ma cosa significa? So cosa significa una funzionalità per un set di dati di training, ma non sono in grado di comprendere l'idea di funzionalità latenti. Ogni articolo sull'argomento che …
Un sistema di raccomandazione misurerebbe la correlazione tra le valutazioni dei diversi utenti e genererebbe raccomandazioni per un determinato utente sugli elementi che potrebbero essere di suo interesse. Tuttavia, i gusti cambiano nel tempo, quindi le classificazioni precedenti potrebbero non riflettere le preferenze correnti e viceversa. Una volta potresti aver …
Sto cercando di implementare un modello dinamico per raccomandare un film a un utente. La raccomandazione dovrebbe essere aggiornata ogni volta che l'utente guarda un film o lo valuta. Per semplicità, sto pensando di prendere in considerazione due fattori: le valutazioni passate di altri film da parte dell'utente il tempo …
Mi sono imbattuto nel termine macchine di fattorizzazione nei sistemi di raccomandazione. So cos'è la fattorizzazione a matrice per i sistemi di raccomandazione, ma non ho mai sentito parlare di macchine per la fattorizzazione. Quindi qual è la differenza?
Sto lavorando a un progetto per il filtro collaborativo (CF), ovvero il completamento di una matrice parzialmente osservata o più generalmente tensore. Sono un principiante sul campo, e per questo progetto alla fine devo confrontare il nostro metodo con altri ben noti che al giorno d'oggi, i metodi proposti vengono …
Sto lavorando a qualcosa come il seguente problema. Ho un sacco di utenti e N libri. Ogni utente crea una classifica ordinata di tutti i libri che ha letto (che è probabilmente un sottoinsieme degli N libri), ad esempio, Libro 1> Libro 40> Libro 25. Ora voglio trasformare queste classifiche …
Supponiamo di avere una matrice di consigli in stile Netflix e di voler costruire un modello che preveda potenziali valutazioni future sui film per un determinato utente. Usando l'approccio di Simon Funk, si userebbe la pendenza stocastica del gradiente per ridurre al minimo la norma di Frobenius tra la matrice …
Nota: questa domanda è una risposta, poiché la mia domanda precedente doveva essere cancellata per motivi legali. Confrontando PROC MIXED da SAS con la funzione lmedel nlmepacchetto in R, mi sono imbattuto in alcune differenze piuttosto confuse. Più specificamente, i gradi di libertà nei diversi test differiscono tra PROC MIXEDe …
In tutti i moderni sistemi di raccomandazione che ho visto che si basano sulla fattorizzazione a matrice, viene eseguita una fattorizzazione a matrice non negativa sulla matrice di film utente. Riesco a capire perché la non negatività sia importante per l'interpretazione e / o se si desidera avere fattori sparsi. …
Sto creando un sistema di raccomandazione e voglio incorporare sia le valutazioni degli utenti "simili" sia le caratteristiche degli articoli. L'output ha una valutazione prevista [0-1]. Sto considerando una rete neurale (per cominciare). Quindi, gli input sono una combinazione delle caratteristiche degli articoli e delle valutazioni di ciascun utente. Per …
Prendi in considerazione il problema del filtro collaborativo. Abbiamo una matrice di taglia #user * #items. se l'utente mi piace l'articolo j, se l'utente non ama l'articolo j e M_ {i, j} =? se non ci sono dati sulla coppia (i, j). Vogliamo prevedere M_ {i, j} per utenti futuri, …
We use cookies and other tracking technologies to improve your browsing experience on our website,
to show you personalized content and targeted ads, to analyze our website traffic,
and to understand where our visitors are coming from.
By continuing, you consent to our use of cookies and other tracking technologies and
affirm you're at least 16 years old or have consent from a parent or guardian.