Algorithme pour recommander un contenu à l'utilisateur sur la base des balises

Question

Je cherche un bon algorithme qui peut recommander des objets contenus à l'utilisateur en calculant la similarité entre l'utilisateur et l'objet contenu. Pour le calculer, nous avons les balises objet de contenu (méta-données) et les données d'intérêt de l'utilisateur.

Nous pouvons en apprendre davantage sur l'intérêt de l'utilisateur de deux façons:

1. Explicitement lui demander: Demandez-lui d'évaluer un élément de contenu particulier. de classer une collection d'objets du moins à la plupart fav fav.
2. façons implicites: Apprendre en observant quel type de contenu qu'un utilisateur accède au fil du temps. Je veux mettre en œuvre un peu des deux.

S'il vous plaît suggérer des articles ou des documents qui montre une analyse de quelques bonnes approches?

Answer 1

Ceci est un domaine de recherche actif, donc il y a beaucoup de documents sur le sujet. Essayez par exemple « Un algorithme efficace pour stimuler la combinaison des préférences » par Freund et al. Le Journal of Machine Learning Research vol. 4 http://jmlr.csail.mit.edu/papers/ Volume4 / freund03a / freund03a.pdf

Answer 2

Livre: " Intelligence Collective en action " par Satnam Alag

Answer 3

Consultez la section de Netflix Prix de référence dans wikipedia.