mrgloom

Рекомендательная система вектор-вектор

6 сообщений в этой теме

Есть стандартные рекомендательные системы типа Netflix, где мы имеем user-movie и надо предсказать rating который user поставит movie, получается такая sparse matrix отсюда много методов пляшет.

 

А что если у нас есть например user-item, где user описывается feature vector 1, а item через feature vector 2 и надо предсказать бинарное событие да-нет, как такой тип рекомендательной системы называется?

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Что то не очень понятно. Можно с минимальным примером ?

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Ну например какой нибудь dating service где у нас связь user-user надо предсказать like\dislike.

Хотя может быть можно свести эту задачу к задаче классификации (или как задачу регрессии - предсказывать 'силу' лайка) типа concatenate(feature_vector1,feature_vector2)->{0,1}, но в таком случае проблема, что так придётся прогнать всё пары user-user.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Соорудить пространство юзеров по их свойствам, затем выполнить ембеддинг (t-sne например) по лайк-метрике и мерять расстояния между юзерами.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Мы хотим мерить не их похожесть, а то что один юзер лайкнет другого user1-user2->{0|1} (кстати не обязательно user2->user1 будет тоже самое).

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Я предлагаю соорудить маппинг свойств юзера (юзер-метрика) на свойства юзера которого он лайкает (лайк-метрика). 

Похожие юзеры будут лайкать примерно одинаково.

Поделиться сообщением


Ссылка на сообщение
Поделиться на других сайтах

Создайте учётную запись или войдите для комментирования

Вы должны быть пользователем, чтобы оставить комментарий

Создать учётную запись

Зарегистрируйтесь для создания учётной записи. Это просто!


Зарегистрировать учётную запись

Войти

Уже зарегистрированы? Войдите здесь.


Войти сейчас

  • Сейчас на странице   0 пользователей

    Нет пользователей, просматривающих эту страницу