Azure 机器学习 - 推荐 Web 服务

Question

我们正在尝试为我们的系统创建一个“后续步骤”推荐器:给定用户和上下文，我们希望有一个模型能够就用户可能想要采取的后续步骤提供建议。

嗯>

火柴盒推荐器获取评级、用户和项目。在我们的例子中，后续步骤是项目，用户及其上下文的组合是用户，使用数据是评级.

“评分”:

UserID  ScreenID    Rating1       ScreenA       501       ScreenB       353       ScreenA       553       ScreenB       603       ScreenC       105       ScreenA       505       ScreenB       355       ScreenD       10

“用户”:

UserID  EmployeeID  Role            ContextCategory   ContextTask1       078570      Representative  C                 Assignment/Reassignment3       076545      Representative  A                 Assignment/Reassignment5       076545      Representative  G                 Assignment/Reassignment

我训练了一个模型，创建了一个预测实验，并发布了网络服务。我必须更改 Web 服务输入以请求用户及其上下文(本质上是用户功能)的组合，并期望 Web 服务根据其他类似的“用户”为我提供建议:

但是，当我测试网络服务时，它只返回所有经过培训的用户及其建议的列表，而不是我在输入中指定的新/冷用户的建议。

Result: {"Results":{"output1":{"type":"table","value":{"ColumnNames":["User","Item 1","Item 2","Item 3"],"ColumnTypes":["String","String","String","String"],"Values":[["1","ScreenA","ScreenB","ScreenC"],["3","ScreenA","ScreenB","ScreenC"],["5","ScreenA","ScreenB","ScreenC"]]}}}}

有很多关于为 Matchbox Recommender 创建训练模型的文档/示例，但大多数都将项目作为输入，并给出推荐项目作为输出。我找不到任何将用户作为输入并将其转变为有用的网络服务的示例。

Answer 1

这是冷启动问题。要允许没有评分的用户，您需要使用用户特征来训练推荐器 - https://msdn.microsoft.com/en-us/library/azure/dn905846.aspx

这是一个示例，其中为冷启动情况传递用户和项目特征 - https://gallery.cortanaintelligence.com/Experiment/Recommender-Restaurant-ratings-2

以下是上述案例的预测实验，展示了如何在这种情况下为 Web 服务设置实验 - https://gallery.cortanaintelligence.com/Experiment/Recommender-Restaurant-ratings-Predictive-Exp-2