¿Qué es un sistema o algoritmo de recomendación que dice ‘Dado que consumiste X {a} veces, Y {b} veces y Z {c} veces, ¿cuál de {X, Y, Z} debería recomendarte que consumas a continuación’?

Como usted dice, la mayoría de los recomendadores piensan que las mejores recomendaciones se obtienen de los artículos que ha consumido 0 veces. En su configuración alternativa, tendría que definir cuál es la respuesta correcta: ¿artículos que ha consumido con poca frecuencia? ¿no recientemente? ¿frecuentemente? ¿recientemente? Y en algunos casos, ese es su algoritmo de “recomendación”: simplemente repita el artículo consumido con mayor frecuencia o lo que sea.

Muchos recomendadores, como los modelos de factor latente en la entrada implícita, suponen que lo que realmente ha consumido es una vista parcial ruidosa de lo que desea haber consumido . Has consumido muchos artículos 0 veces que realmente te gustaría consumir 1 o más veces; tal vez has consumido algunos artículos muchas veces que ya no son tan gratificantes (ya). Aunque estos modelos seleccionan de forma predeterminada recomendaciones exclusivamente de los artículos consumidos 0 veces hasta ahora, no hay razón para que tengan que hacer esto. Podrían elegir recomendaciones de todos los artículos. Los resultados tenderían a favorecer los artículos que de hecho se han consumido muchas veces en el pasado, pero no exclusivamente. Tal vez esa sea una buena respuesta, ya que es una generalización trivial de un recomendante normal.

Related Content

¿Cuándo y por qué un clasificador Bayes ingenuo es una opción mejor / peor que un clasificador forestal aleatorio?

Cómo etiquetar objetivamente objetos con etiquetas que son subjetivas, en sistemas expertos

¿Qué has aprendido haciendo investigación?

¿Qué tipo de problemas puede resolver AI / Machine Learning en los países en desarrollo?

¿Cómo elijo theta0, thetaL y thetaU en un modelo de proceso gaussiano de scikit-learn?

Realmente depende de cuáles son los objetivos comerciales del sistema de recomendación.

Si se trata de aumentar la variedad, las X, Y y Z forman un grupo, desde el cual podemos filtrar características no similares y buscar otros artículos no consumidos con características similares. Aún mejor, podría haber un conjunto similar a X, Y y Z, que tiene un historial de patrones de consumo similares de otros consumidores, que podría usarse para un archivo adjunto preferencial para los próximos elementos de contenido que se consumirán.

Si el objetivo es formar burbujas, el siguiente elemento debe ser uno de X, Y o Z.

Aquí hay algo en lo que estoy trabajando, que podría proporcionar algunas ideas: OBHave !: El número bariónico de la cuadrícula de contenido como reductor de iteración – ¡Proyecto OBHave!

Es un poco complejo y puede que tenga que leer la especificación completa: OBHave !: Especificaciones – Proyecto OBHave!

Ahti Ahde

1) Probablemente no debería marcar esto como una respuesta, sino como una sugerencia. En lugar de pensar como un problema de aprendizaje automático, puede pensar que es una pregunta de probabilidad.

¿Cuál es la probabilidad de que “yo” consuma X la próxima vez?

2) Una cosa más podría ser la frecuencia. Si tenemos el registro detallado de consumo de X, Y y Z respectivamente, puede inspeccionar cuál sigue cuál. Como ejemplo de esto, adivina lo que viene después:
XXXYZXXXYZXXXY?

3) Relación, el aprendizaje automático se busca principalmente. Lo cual creo, la inteligencia es realmente.
No sé cuál deberías recomendar. Pero le recomiendo que recomiende el más rentable para el usuario. (o usted mismo tal vez)

Ahti Ahde

More Interesting

¿Hay ejemplos de organizaciones de ciencias de la vida que logren resultados en el descubrimiento de drogas a través del aprendizaje automático que no serían posibles sin el aprendizaje automático?

¿Cuán ampliamente adoptado es el aprendizaje automático en el comercio?

Aprendizaje automático: ¿Puede alguien que es horrible en los concursos de kaggle seguir siendo bueno como científico de datos?

¿Cómo funciona el soporte de regresión vectorial?

¿Cómo se ajustan los pesos en una red neuronal mientras estoy entrenando la red?

¿Qué conocimientos de matemática / estadística y CS debo dominar (no matemático / stat / CS, pero graduado en ingeniería) para carrera / investigación en aprendizaje automático?

¿Qué tecnologías de IA están disponibles para el reconocimiento del usuario por comportamiento (interacción con el sistema), estilo de escritura, etc. y cómo procedo a hacer una?

¿Cuáles son los mejores algoritmos para el conjunto de datos de preservación de la privacidad?

Cómo dominar el aprendizaje automático para poder unirme a Google para puestos relacionados con el aprendizaje automático

¿Se consideran obsoletos los métodos de preentrenamiento sin supervisión y pre-entrenamiento codiciosos en capas para el aprendizaje profundo moderno? ¿Por qué o por qué no?

¿Qué tan difícil es el aprendizaje automático?

¿Cuán verdadera es la frase '95% de los sofisticados algoritmos de 'aprendizaje automático' son lanzados a los datos por alguien que solo tiene la comprensión más superficial de lo que realmente están haciendo '?

¿Qué opinas de la biblioteca de aprendizaje profundo de código abierto de Amazon 'DSSTNE' (pronunciado Destiny)?

¿El submuestreo de un entrenamiento desequilibrado es una buena idea cuando los datos del mundo real, usaré mi clasificador, también estarán desequilibrados?

¿Qué es un sistema o algoritmo de recomendación que dice 'Dado que consumiste X {a} veces, Y {b} veces y Z {c} veces, ¿cuál de {X, Y, Z} debería recomendarte que consumas a continuación'?