En un sistema de recomendación basado en contenido, se usan palabras clave o atributos para describir elementos. Se crea un perfil de usuario con estos atributos (tal vez como un usuario vota a favor o “le gusta” algo). Los elementos se clasifican según el grado de coincidencia con el perfil de atributo del usuario, y se recomiendan las mejores coincidencias. (Wikipedia tiene más información sobre: Sistema de recomendación)
Vale la pena revisar este documento sobre cómo Pandora hace recomendaciones de música basadas en contenido:
La recomendación musical de Pandora
http: //courses.cs.washington.edu….
Una descripción más general de la curación del atributo de la canción de Pandora está disponible en wikipedia: Music Genome Project
- ¿Cómo es trabajar con Watson de IBM?
- ¿Cuáles son algunas habilidades matemáticas altamente relevantes que se requieren si quiero comenzar a investigar en algoritmos de Machine Learning?
- ¿Cuál es el estado del arte en la síntesis de texto?
- ¿Cuáles son algunos proyectos interesantes de minería de texto en análisis político?
- ¿Qué debo hacer para comprender las matemáticas y los algoritmos detrás de la propagación inversa, CNN y RNN?
Para responder a sus otras preguntas (reformulado para mayor claridad):
P: ¿Definimos una función de similitud para uso entre usuarios?
R: Una vez que tenga atributos para sus usuarios, y tenga atributos para lo que desea recomendar (supongo que no son también usuarios, pero podría serlo), entonces sí, se utiliza una función de similitud (también llamada función de distancia) recomendar elementos similares para ese usuario. Tenga en cuenta que esta recomendación (a diferencia del filtrado colaborativo) no depende de las acciones que otros usuarios hayan tomado.
No es raro implementar esta función de similitud / distancia en la parte superior de un motor de búsqueda (Creación de un motor de recomendación en tiempo real, con tecnología solr), ya que los motores de búsqueda modernos se adaptan bien a la tarea (Solr, ElasticSearch).
P: ¿Hay disponible un documento público sobre filtrado colaborativo y basado en contenido?
R: Pruebe el filtrado colaborativo y basado en contenido para el elemento
Recomendación sobre sitios web de marcadores sociales http://ceur-ws.org/Vol-532/paper…
P: ¿Se puede usar el conjunto de datos tanto para el algoritmo de filtrado colaborativo como para el algoritmo de filtrado basado en contenido al mismo tiempo? ¿Cómo?
A: si. Esto se conoce como filtrado híbrido ; Los dos algoritmos se complementan muy bien, por lo que funciona bien. Implemente tanto individualmente como visualice por separado, o multiplique los puntajes de clasificación para fusionarlos en un solo conjunto de recomendaciones.
