algorithm - 如何建立电影推荐系统？

Question

It's difficult to tell what is being asked here. This question is ambiguous, vague, incomplete, overly broad, or rhetorical and cannot be reasonably answered in its current form. For help clarifying this question so that it can be reopened, visit the help center。




已关闭10年。

最好的方法是什么？

使用什么算法？他们的优点和缺点是什么？

为什么当前的电影推荐器系统无法提供良好的推荐？

最佳答案

这是一个非常开放的问题，涉及许多不同的概念。

作为初始讨论点，请考虑k-nearest neighbor algorithm。它被广泛用于类似于影片选择器的问题。该算法的一个大问题是人工决定要使用多少维来分割特征空间，并选择每个维的属性以使每个维增加值(value)，而不是复制另一个维的值。

与k-NN算法直接相关的是cluster analysis的字段。当您为在更分散的离群值内具有团块的信息绘制数据点时，您可以直观地看到，这些团块点具有某种相似性。您可能可以轻松地将一些分散的离群值与一个或另一个团块归为一组，但是在团块之间可能有很多点，这些点可能适合两个或多个竞争团块。解决此难题的唯一方法是向数据点添加更多的尺寸参数，以便将那些未提交的异常值吸引到一个集合中。 (点击链接可以看到完整的数据集。)

这个简短的介绍引出了下一个概念:Pattern Recognition。该学科属于数学重学科，并且在理论计算科学，统计学，人工智能，机器学习和千里眼领域中进行了大量研究。最后一个笑话是半开玩笑，但它指出了问题的症结:计算机如何预测您将来会做什么？ 简短的答案是不能。较长的答案试图解释为什么您的口味和情绪在看似随机的时间沿看似随机的方向变化。一个好的模式识别系统可能会挑选您真正喜欢的20部电影，然后从与您完全讨厌的其他20部相同的丛集中推荐另一部。系统在哪里发生故障？是在算法实现中，还是在针对特征空间尺寸的初始参数选择中，还是因为其他人使用您的Netflix帐户订购“霍华德鸭”，“巡游”和“海滩”而使配置文件搞砸了？ '？

维基百科的“模式识别”页面列出了许多不同的算法和方法。您可以从那里开始阅读，以更好地了解各个方面的优点和缺点。您也可以尝试在Theoretical Computer Science堆栈中问这个问题，以获得长发的答案。

关于algorithm - 如何建立电影推荐系统？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5253362/

上一篇：algorithm - 计算有向图上非循环路径数的快速算法

下一篇：algorithm - 用于压缩的 HTML 属性的优化顺序

相关文章：

algorithm - 什么是好的、简单的、仅限二维矩形的碰撞检测算法？

java - 时间过期数据结构

machine-learning - 在 Weka 中使用 HMM

semantics - 如何在语义网中映射主观数据？

java - 在 DBPedia 中查询具有给定属性集的实体

java - last == i背后的直觉？

c# - 无法理解ID3算法

machine-learning - 用于电子邮件情绪分析的客户支持数据集

machine-learning - keras中train_on_batch()有什么用？

Java Web 服务错误

Answer 1

这是一个非常开放的问题，涉及许多不同的概念。

作为初始讨论点，请考虑k-nearest neighbor algorithm。它被广泛用于类似于影片选择器的问题。该算法的一个大问题是人工决定要使用多少维来分割特征空间，并选择每个维的属性以使每个维增加值(value)，而不是复制另一个维的值。

与k-NN算法直接相关的是cluster analysis的字段。当您为在更分散的离群值内具有团块的信息绘制数据点时，您可以直观地看到，这些团块点具有某种相似性。您可能可以轻松地将一些分散的离群值与一个或另一个团块归为一组，但是在团块之间可能有很多点，这些点可能适合两个或多个竞争团块。解决此难题的唯一方法是向数据点添加更多的尺寸参数，以便将那些未提交的异常值吸引到一个集合中。 (点击链接可以看到完整的数据集。)

这个简短的介绍引出了下一个概念:Pattern Recognition。该学科属于数学重学科，并且在理论计算科学，统计学，人工智能，机器学习和千里眼领域中进行了大量研究。最后一个笑话是半开玩笑，但它指出了问题的症结:计算机如何预测您将来会做什么？ 简短的答案是不能。较长的答案试图解释为什么您的口味和情绪在看似随机的时间沿看似随机的方向变化。一个好的模式识别系统可能会挑选您真正喜欢的20部电影，然后从与您完全讨厌的其他20部相同的丛集中推荐另一部。系统在哪里发生故障？是在算法实现中，还是在针对特征空间尺寸的初始参数选择中，还是因为其他人使用您的Netflix帐户订购“霍华德鸭”，“巡游”和“海滩”而使配置文件搞砸了？ '？

维基百科的“模式识别”页面列出了许多不同的算法和方法。您可以从那里开始阅读，以更好地了解各个方面的优点和缺点。您也可以尝试在Theoretical Computer Science堆栈中问这个问题，以获得长发的答案。