Sto cercando di scrivere un motore di raccomandazione di base che prenderà e memorizzerà un elenco di ID numerici (che si riferiscono ai libri), confrontarli con altri utenti con un numero elevato di ID identici e raccomandare ulteriori libri basati su quei reperti.Scrivere un motore di raccomandazione di base
Dopo un po 'di ricerca su Google, ho trovato this article, che descrive un'implementazione di un algoritmo di Slope One, ma sembra fare affidamento sugli utenti che valutano gli articoli da confrontare. Idealmente, mi piacerebbe farlo senza la necessità che gli utenti forniscano valutazioni. Suppongo che se l'utente ha questo libro nella sua collezione, ne è affezionato.
Mentre mi colpisce il fatto che potrei avere un punteggio predefinito di 10 per ogni libro, mi chiedo se ci sia un algoritmo più efficiente che potrei usare. Idealmente mi piacerebbe calcolare questi consigli al volo (evitando il calcolo del lotto). Tutti i suggerimenti sarebbero apprezzati.
Su quale base stai raccomandando la norma L1? – isomorphismes
@Lao Tzu: Puramente nelle mie stesse misure e prove empiriche. Quando ho usato i dati con solo "voti" binari (come il libro in o non in collezione), mi ha dato dei buoni risultati (come meglio della maggior parte delle altre norme). Ma come ho detto, questo è un punto in cui devi sperimentare da solo. O scavare alcuni documenti di ricerca riguardanti queste domande. – dermatthias
Abbastanza giusto. Nel sistema su cui sto lavorando usiamo norme specifiche per il prodotto. Ho trovato più semplice progettare semplicemente lo spazio metrico attorno ai particolari per un determinato cliente. – isomorphismes