algorithm - 超越逐项推荐

Question

简单的项目到项目推荐系统是众所周知的，并且经常被实现。一个例子是 Slope One algorithm .如果用户还没有对很多项目进行评分，这很好，但是一旦他们评分了，我想提供更细粒度的推荐。我们以音乐推荐系统为例，因为它们非常流行。如果用户正在观看莫扎特的作品，则可能会给出另一首莫扎特作品或贝多芬的建议。但是，如果用户对古典音乐进行了多次评分，我们或许可以在这些项目之间建立关联，并发现用户不喜欢人声或某些乐器。我假设这将是一个分为两部分的过程，第一部分是找到每个用户评分之间的相关性，第二部分是根据这些额外数据构建推荐矩阵。所以问题是，它们是否有任何开源实现或论文可用于这些步骤中的每一步？

Answer 1

品味可能有一些有用的东西。它已移至 Mahout 项目:

http://taste.sourceforge.net/

一般来说，我们的想法是根据用户过去的偏好，预测他们接下来会选择什么并推荐它。您构建了一个机器学习模型，其中输入是用户过去选择的内容以及每次选择的属性。输出是他们将选择的项目。您可以通过阻止他们的一些选择并使用他们的历史来预测您阻止的数据来创建训练数据。

您可以使用许多不同的机器学习模型。决策树很常见。