Was ist beim Aufbau einer Recommendation Engine zu beachten?

Question

Ich habe das Buch gelesen Kollektive Intelligenz programmieren und fand es faszinierend.Ich habe kürzlich von einer Herausforderung gehört, die Amazon weltweit gepostet hat, um eine bessere Empfehlungsmaschine für sein System zu entwickeln.

Der Gewinner hat offenbar den besten Algorithmus entwickelt, indem er die ihm zugeführte Informationsmenge begrenzt hat.

Als erste Faustregel schätze ich..."Mehr Informationen sind nicht unbedingt besser, wenn es um Fuzzy-Algorithmen geht.“

Ich weiß, es ist subjektiv, aber letztendlich ist es eine messbare Sache (Klicks als Reaktion auf Empfehlungen).

Da die meisten von uns heutzutage mit dem Internet zu tun haben und die Suche als eine Form der Empfehlung angesehen werden kann ...Ich vermute, dass ich nicht der Einzige bin, der sich über die Ideen anderer Leute zu diesem Thema freuen würde.

Kurzgesagt, „Wie erstellt man am besten eine Empfehlung?“

Answer 1

Sie wollen nicht „overall Popularität“ verwenden, wenn Sie keine Informationen über den Benutzer haben. Stattdessen möchten Sie entsprechend diesen Benutzer mit ähnlichen Benutzer und Gewicht auszurichten.

Das ist genau das, was Bayesian Inference tut. Im Englischen bedeutet dies die Gesamtwahrscheinlichkeit eingestellt werden Sie mit Bewertungen etwas (die durchschnittliche Bewertung) wie von anderen Menschen , die im Allgemeinen dem Weg ebenfalls abstimmen .

Ein weiterer Ratschlag, aber dieses Mal ad hoc: Ich finde, dass es Leute gibt, wo, wenn sie etwas mögen werde ich fast sicher nicht wie es. Ich weiß nicht, ob dieser Effekt ist real oder imaginär, aber es könnte Spaß machen, in einer Art „negativer Auswirkungen“ statt nur Verklumpung Menschen durch Ähnlichkeit zu bauen.

Schließlich gibt es ein Unternehmen, spezialisiert auf genau diese genannt SenseArray . Der Besitzer ( Ian Clarke von freenet Ruhm ) ist sehr zugänglich. Sie können meinen Namen verwenden, wenn Sie ihn aufrufen.

Answer 2

Es gibt ein ganzes Gebiet der Forschung in der Informatik zu diesem Thema gewidmet. Ich würde vorschlagen, das Lesen einige Artikel .

Answer 3

Vereinbaren Sie mit @Ricardo. Diese Frage ist zu weit gefasst, wie die Frage „Was ist der beste Weg, um ein System zu optimieren?“

Ein gemeinsames Merkmal fast alle bestehende Recommendation Engines ist, dass die endgültige Empfehlung machen läuft darauf hinaus, eine gewisse Anzahl von Matrizen und Vektoren multipliziert wird. Zum Beispiel einer Matrix, die Nähe Gewichte zwischen den Benutzern durch einen Vektor von Artikeln Bewertungen multiplizieren.

(Natürlich müssen Sie bereit sein, für die meisten Ihrer Vektoren Super spärlich sein!)

Meine Antwort sicherlich zu spät für @Allain ist aber für andere Benutzer diese Frage über die Suche zu finden -. Bitte senden Sie mir eine PM und stellt eine spezifischere Frage und ich werde sicher sein, antworten

(I Design Recommendation Engines professionell.)

Answer 4

@Lao Tzu, ich stimme dir zu.

Meiner Meinung nach bestehen Empfehlungsmaschinen aus:

• Kontexteingabe aus kontextsensitiven Systemen (Protokollierung aller Ihrer Daten)
• Logisches Denken, um das Offensichtlichste herauszufiltern
• Expertensysteme, die Ihre subjektiven Daten im Laufe der Zeit basierend auf Kontexteingaben verbessern, und
• Probabilistisches Denken, um eine Entscheidungsfindung nahezu auf der Grundlage der gewichteten Summe früherer Handlungen (Überzeugungen, Wünsche und Absichten) zu treffen.

P.S.Ich habe eine solche Empfehlungsmaschine erstellt.