根據用戶的興趣推薦相似用戶的recsys算法的類型或家族是什麼？

-1

我正在學習Coursera MooC的推薦系統。我發現主要有三種類型的過濾方法（在引入過程中）。
a。基於內容的過濾
b。 Item-Item協同過濾
c。用戶 - 用戶協同過濾根據用戶的興趣推薦相似用戶的recsys算法的類型或家族是什麼？

瞭解了這一點，我不確定 - 類似用戶根據興趣/偏好屬於哪個建議？例如，考慮我有User-> TopicsOfInterest0..n關係。我想根據各自的TopicsOfInterest（矢量）推薦其他類似的用戶。

來源

2017-10-09 Sunny

我不確定這三種類型是所有推薦系統的詳盡分類。事實上，任何基於矩陣分解的算法（SVD等）都是同時基於項目和基於用戶的。但算法會自動推斷出TopicsOfInterest（因子）。例如，Apache Spark包含一個alternating least squares (ALS)算法的實現。 Spark的API有userFeatures方法，該方法返回（大致）矩陣，預測用戶對每個要素的態度。

剩下要做的唯一事情就是計算一組最相似的用戶到一個給定的用戶（例如找到最接近給定的用戶的那個用戶，由cosine similarity）。

來源

2017-10-09 03:55:00

感謝您的回答，但我仍不確定它是哪種類型的推薦人？它是混合型（基於內容和項目項過濾）嗎？我認爲將用戶與類似用戶進行匹配 - 應該是推薦人常用的類型之一。我要求提供它的分類或類型，只有這樣我才能閱讀更多關於該問題的相關文獻，並找到一種在Python中實現的方法。 – Sunny

嗨@Mikhail - 請你回覆。真正有興趣知道答案。謝謝 – Sunny

根據用戶的興趣推薦相似用戶的recsys算法的類型或家族是什麼？

回答

相關問題