algorithm - 基于点赞的推荐

Question

我很好奇基于点赞的推荐有哪些算法。我的意思是人们可以“喜欢”某事，但他们不能“不喜欢”某事。这种场景有什么样的推荐算法。

我有一个想法，但我认为它无法扩展。我的想法是创建一个图表，其中每个可爱的项目都有一个边缘到另一个可爱的项目，边缘容量是同时喜欢这两个项目的用户数量。然后为某个用户提供推荐，扩充图，使用户成为源节点，对用户喜欢的所有项目具有无限边。用户不喜欢的所有项目都具有到目标节点的无限容量的边缘。然后使用 Ford-Fulkerson 运行最大流，可以根据目的地的边缘流对建议进行排序。然而，仔细想想，一个包含 1000 个或更多项目的图表很快就会失控。

我考虑过协作过滤器等​​其他系统，但考虑到没有否决票或多个喜欢程度，我不确定它们是否会很好地工作。因此，“不喜欢”与“还没有喜欢”是没有区别的。

如果有任何想法或资源，我将不胜感激。

Answer 1

有一些点你可以使用:

1. “看过但不喜欢”与“没看过”之间有很大区别。通常，“看到但不喜欢”被用作弱“不喜欢”，然后您可以使用协同过滤。
2. 您仍然可以根据喜好找到“相似用户”，并根据一组相似用户(倾向于喜欢相似事物)- 您可以推荐他们喜欢的项目。如果两个用户喜欢的项目集具有较高的 Jaccard similarity，则可以确定他们是“相似的” (例如)，并推荐大部分“相似”用户喜欢的项目。

您可以搜索文献以获取更多替代方案，这是www conference上的热门话题。在过去的几年里，新方法一直在发展。