する上で考慮すべき建物の推薦エンジン?

Question

私は本を読む プレクティブインテリジェンス ところに魅力を感じます。いての話を聞き課題アマゾンが掲載され、世界をより良いコメンデーションエンジンそのシステム。

のようにベストアルゴリズムの量を制限する情報について検討したところfrbのです。

として経験則か..."詳しい情報は必ずしも良いファジィアルゴリズム"

んので主観的で測定可能なもの（クリック対応への提言).

番で扱うファイルがメールでこれらの日を検索できる形態の推薦の...思いつい感謝のその他の民族アイデアです。

このように、 "何が最良の方法を構築す。"

Answer 1

んを利用したい"全体の人気"になりますがなに関する情報はユーザーです。代わりに、たいせこのユーザーが類似のユーザーおよび重量です。

のは、まさにこのような データのベイズ推定のための います。英語での調整は全体の確率で好きになっている(平均格付格付から他の人 人の一般投票をおことはできないかもしれま.

他のアドバイスが、この時アドホック:といった人がいうかほとんどサ ない ていただいております。わからない場合はこの効果は実質あるいは想像上のものとしても楽しいかもしれの建築のような"マイナス効果だけでなくclumping人による類似性を認める事でしょう。

最後にある社であること SenseArray.オーナー(イアン-クラーク の freenet名 は非常に文化の違いを感じます。利用できる私の名前にお問い合わせいただいた場合ます。

Answer 2

ある研究領域全体のコンピュータ科学専ます。から読み 一部の記事.

Answer 3

同意@Ricardo.この問題の範囲が広すぎて、何だろう"と自問しているための最善の方法な最適化システムとは？"

共通の特徴により、現行のほとんどすべての勧告エンジンは最後の勧告げを乗じた数の行列とベクトル.例えば倍のマトリックスを含む近接ウェイトとユーザーによるベクトルの商品ます。

（もちろんだけることができる状態にします。多くのベクトルを超疎!)

私の答えは必ず遅すぎ@Allainが他のユーザーがこの質問を通じて検索--私まで送ってPMとおり特定の問いに必ず対応いたします。

いデザインの推薦エンジンを叩いています。)

Answer 4

@オTzuだったかと思います。

よう勧告エンジンには:

• Context入力frbのコンテキスト認識システム(ロギングのデータすべて)
• 論理的推論のフィルター目の前にある、ことりと触れ合
• エキスパートシステムの向上に自主観的なデータの期間に基づくコンテキスト入力、
• 確率的推論な意思決定に近い近接度に基づく重み付き和の行動は、信念、要望&意).

P.S.たな勧告エンジンです。