Hem işbirlikçi filtreleme hem de içerik özelliklerini entegre eden bir tavsiye sistemi nasıl oluşturulur?

Bir Tavsiye Sistemi oluşturuyorum ve hem "benzer" kullanıcıların derecelendirmelerini hem de öğelerin özelliklerini dahil etmek istiyorum. Çıktı tahmin edilen bir derecelendirmedir [0-1].

Böylece girdiler, öğelerin özelliklerinin ve her kullanıcının derecelendirmelerinin birleşimidir. Madde A ve kullanıcı 1 için, sistem birleştirilmiş veriler A1 üzerinde eğitilebilir. Bu bir eğitim örneği olacaktır.

Kullanıcı 1 ayrıca B filmini de derecelendirirse ne olur? O halde B1 verisi bir eğitim örneği olabilir mi? Kullanıcı 1'in özellikleri ile eğitimi bu şekilde tekrarlamakta sorun var mı?

Soruna yaklaşmanın daha iyi bir yolu hakkında önerileriniz var mı?

Sorunu tam olarak anlamadan önce neden bir sinir ağı düşünüyorsunuz?

Ortak çalışmaya dayalı filtreleme için standart matris çarpanlarına ayırma yöntemleri, içerik özelliklerinden kolayca yararlanabilir. Bunun Bayesci bir ortamda nasıl yapılabileceğine ilişkin bir örnek için Kibrit Kutusu belgesine bakın .

Matris çarpanlarına ayırmayı içerik özellikleriyle entegre etme hakkında üç makale (burada, özellikle konu modeli):

• Agarwal ve Bee-Chung Chen Karşılaştırması. 2010. fLDA: gizli dirichlet tahsisi ile matris çarpanlarına ayırma. Üçüncü ACM Uluslararası Web arama ve veri madenciliği konferansı (WSDM '10). ACM, New York, NY, ABD, 91-100.
• Shan ve Arindam Banerjee Karşılaştırması. 2010. İşbirlikçi Filtreleme için Genelleştirilmiş Olasılıksal Matris Faktorizasyonları. 2010 IEEE Uluslararası Veri Madenciliği Konferansı (ICDM '10) Bildiriler kitabında. IEEE Bilgisayar Topluluğu, Washington, DC, ABD, 1025-1030.
• Chong Wang ve David M. Blei. 2011. Bilimsel makaleler önermek için işbirlikçi konu modellemesi. ACM SIGKDD 17. Uluslararası Bilgi keşfi ve veri madenciliği konferansı (KDD '11). ACM, New York, NY, ABD, 448-456.

Bu konuyu biraz tartışan kendi blog girişimi de tanıtacağım: Konu Modelleri Lantent Factor Modelleri ile buluşuyor

Sinir ağı yaklaşımına gerek yoktur, işbirlikçi filtreleme kendi başına bir algoritmadır. Sorununuz için özellikle, cf ve tavsiye sisteminin iyi bir açıklaması vardır:

ml-class.org

(XVI: Tavsiye Sistemleri konusuna bakın). Zarif, basit ve doğru yaparsanız (yani vektörize form, hızlı minimizerler ve hazırlanmış degradeler kullanın) oldukça hızlı olabilir.