Wie würde man Apple iTunes ‚Genius‘ Algorithmus implementieren?

Question

Ich habe mich immer gefragt, wie und was der beste Weg, um den ‚Genius‘ -Funktion auf iTunes gehen über die Implementierung.

Ich könnte wahrscheinlich brutale Gewalt, aber hatte mich nur gefragt, ob jemand eine Einsicht hatte.

Danke.

Answer 1

Der Genius-Algorithmus ist ein Beispiel für ein Empfehlungssystem, das in E-Commerce-Systemen sind ein heißes Thema. So sehr, dass Netflix einen $ 1 Million Preis hatte, die seit mehreren Jahren ging auf ihr Empfehlungssystem um lediglich 10% zu verbessern.

Auf iTunes haben Sie eine Sammlung von Musik. Genius können Annahmen getroffen werden, dass, wenn Sie diese Musik, die Sie es mögen muss. Wenn genug Leute Song B haben, haben Song A dann kann Genius sagen, dass, wenn Sie Lied A haben Sie wahrscheinlich Lied B mögen.

Sie einfach den Song mit wäre eine ziemlich schwache Empfehlung. Besser wäre, wenn der Benutzer bewertet hatte, dass die Musik so können Sie die Stärke der „Empfehlung“ verbessern auf dieser Basis.

Ich würde sehr empfehlen, lesen

Answer 2

Schritt 1: - sammelt die Daten, für alle Klicks / Spiel pro Benutzer. Das wäre eine Menge Daten.

Schritt 2 - macht einen Ranking / Empfehlungsliste Erzeugungssystem. Für jeden Song, erzeugt ein Ranking / Prioritätsart Liste mit allen Produkten / Lieder Menschen sehen / spielen. Ein einfaches Beispiel sagt nicht von Menschen, die gleiche Kombination oder die Menge an Spielzeit teilt jeder Song für abgespielt.

Schritt 3 - hält eine Grenze (etwa top10) Ihre Empfehlungen aus der oben gemachten Liste für einen Song zu zeigen.

Das war nicht so schwer, der Trick oder das Genie liegt Gewichte auf die Liste in dem Hinzufügen Sie in Schritt 2 zu machen. Wie Sie Ihr Empfehlungssystem arbeitet mit Gewichten (zB Page Rank).

könnte ich enttäuscht Data-Mining-Ingenieure haben durch eine solche naive / einfache Erklärung geben Science-Bereich zu äußerst komplexen Computer. Sie verzeihen mir. :)

Sie einen Blick auf diese haben, Begriff frequenz inverse Dokumenthäufigkeit , ist es eine Methode dass stuft nach dem, was Sie wollen, desto mehr „einzigartig“ desto mehr Wirkung ein gemocht Lied auf den Empfehlungen hat.

Grundsätzlich, wenn Sie nur wie und spielen U2, wird es schwer sein, für den Algorithmus / Programm etwas Besonderes zu empfehlen, die nach Ihren Wünschen.

Auf der anderen Seite, wenn Sie abwechslungsreicher sind in Ihrer iTunes-Nutzung, diese weniger bekannten Bands, die Sie wirklich mögen mehr gewichtet werden, da sie Sie mehr von den Massen zu isolieren.

Wichtiger Punkt: Sie müssen haben Daten von Partien von Benutzern. Sie könnten sie nicht tun dies mit brutalen Gewalt (wenn Sie es vollständig mit der Hand bedeuten erstellen).

Answer 3

Schritt 1: - sammelt die Daten, für alle Klicks / Spiel pro Benutzer. Das wäre eine Menge Daten.

Schritt 2 - macht einen Ranking / Empfehlungsliste Erzeugungssystem. Für jeden Song, erzeugt ein Ranking / Prioritätsart Liste mit allen Produkten / Lieder Menschen sehen / spielen. Ein einfaches Beispiel sagt nicht von Menschen, die gleiche Kombination oder die Menge an Spielzeit teilt jeder Song für abgespielt.

Schritt 3 - hält eine Grenze (etwa top10) Ihre Empfehlungen aus der oben gemachten Liste für einen Song zu zeigen.

Das war nicht so schwer, der Trick oder das Genie liegt Gewichte auf die Liste in dem Hinzufügen Sie in Schritt 2 zu machen. Wie Sie Ihr Empfehlungssystem arbeitet mit Gewichten (zB Page Rank).

könnte ich enttäuscht Data-Mining-Ingenieure haben durch eine solche naive / einfache Erklärung geben Science-Bereich zu äußerst komplexen Computer. Sie verzeihen mir. :)

Answer 4

Sie einen Blick auf diese haben, Begriff frequenz inverse Dokumenthäufigkeit , ist es eine Methode dass stuft nach dem, was Sie wollen, desto mehr „einzigartig“ desto mehr Wirkung ein gemocht Lied auf den Empfehlungen hat.

Grundsätzlich, wenn Sie nur wie und spielen U2, wird es schwer sein, für den Algorithmus / Programm etwas Besonderes zu empfehlen, die nach Ihren Wünschen.

Auf der anderen Seite, wenn Sie abwechslungsreicher sind in Ihrer iTunes-Nutzung, diese weniger bekannten Bands, die Sie wirklich mögen mehr gewichtet werden, da sie Sie mehr von den Massen zu isolieren.

Answer 5

Wichtiger Punkt: Sie müssen haben Daten von Partien von Benutzern. Sie könnten sie nicht tun dies mit brutalen Gewalt (wenn Sie es vollständig mit der Hand bedeuten erstellen).