Algoritmo per raccomandare contenuti per l'utente sulla base dei tag
-
21-09-2019 - |
Domanda
Sto cercando un buon algoritmo in grado di consigliare oggetti di contenuto a utenti calcolando somiglianza tra utente e content object. Per calcolarlo, abbiamo i tag object contenuti (dati meta) e dati di interesse dell'utente.
Possiamo conoscere l'interesse dell'utente in due modi:
- esplicitamente chiedendogli: Chiedergli di valutare un particolare elemento di contenuto. per classificare un insieme di elementi da almeno fav per la maggior parte fav.
- modi implicite: imparare osservando che tipo di contenuti che un utente accede nel tempo. Voglio realizzare un po 'di entrambi.
Si prega di suggerire alcuni articoli o documenti che mostra l'analisi di alcuni buoni approcci?
Soluzione
Questa è un'area attiva di ricerca, quindi ci sono un sacco di carte sul tema. Provate ad esempio "Un algoritmo amplificazione efficiente per combinare le preferenze" di Freund et al. Il giornale di macchina Ricerca Apprendimento vol. 4 a http://jmlr.csail.mit.edu/papers/ volume4 / freund03a / freund03a.pdf
Altri suggerimenti
libro:. " Collective Intelligence in azione " di Satnam Alag
Controlla la rel="nofollow sezione Netflix Prize Riferimento in Wikipedia.