algorithm - recommendation system project




ما الذي ينبغي مراعاته عند بناء محرك توصية؟ (3)

لقد قرأت كتاب بروجرامينغ كولكتيف إنتليجانس ووجدته رائعة. كنت قد سمعت مؤخرا عن التحدي الأمازون قد نشرت إلى العالم من أجل التوصل إلى محرك توصية أفضل لنظامهم.

الفائز على ما يبدو أنتجت أفضل خوارزمية عن طريق الحد من كمية المعلومات التي تم تغذية له.

كقاعدة أولى من الإبهام أعتقد ... " مزيد من المعلومات ليست بالضرورة أفضل عندما يتعلق الأمر خوارزميات غامض."

أعرف أنه موضوعي، ولكنه في النهاية شيء قابل للقياس (النقرات استجابة للتوصيات).

لأن معظمنا تتعامل مع شبكة الإنترنت هذه الأيام والبحث يمكن اعتباره شكلا من أشكال التوصية ... وأظن أنني لست الوحيد الذي سوف نقدر أفكار الشعوب الأخرى على هذا.

باختصار، "ما هي أفضل طريقة لبناء توصية؟"


أنت لا ترغب في استخدام "شعبية بشكل عام" إلا إذا كان لديك أي معلومات عن المستخدم. بدلا من ذلك، تريد محاذاة هذا المستخدم مع مستخدمين مماثلين والوزن وفقا لذلك.

هذا هو بالضبط ما الاستدلال بايزي لا. في اللغة الإنجليزية، فهذا يعني تعديل الاحتمال الكلي الذي ستعجبك شيئا (التقييم المتوسط) مع تقييمات من أشخاص آخرين يصوتون بشكل عام في طريقك أيضا .

قطعة أخرى من النصائح، ولكن هذه المرة مخصصة: أجد أن هناك الناس حيث إذا كانوا يحبون شيء سوف يكاد يكاد لا أحب ذلك. لا أدري ما إذا كان هذا التأثير حقيقيا أو متخيلا، ولكن قد يكون من المفيد بناء نوع من "التأثير السلبي" بدلا من مجرد تكثيف الناس عن طريق التشابه.

وأخيرا هناك شركة متخصصة في هذا بالضبط يسمى سينسياراي . المالك ( إيان كلارك من الشهرة فرينيت ) هو ودود جدا. يمكنك استخدام اسمي إذا قمت بالاتصال به.


هناك مجال بحث كامل في علوم الكمبيوتر المكرسة لهذا الموضوع. سأقترح قراءة بعض المقالات .


Lao تزو، وأنا أتفق معك.

وفقا لي، محركات التوصية تتكون من:

  • السياق إدخال يتم تغذية من أنظمة علم السياق (تسجيل جميع البيانات الخاصة بك)
  • المنطق المنطقي لتصفية الأكثر وضوحا
  • أنظمة الخبراء التي تحسن البيانات الشخصية الخاصة بك على مدى الفترة الزمنية استنادا إلى مدخلات السياق، و
  • الاستدلال الاحتمالي لاتخاذ القرارات بالقرب من القرب على أساس مجموع مرجح من الإجراءات السابقة (المعتقدات والرغبات والنوايا).

بس أنا قدمت هذه التوصية المحرك.