基於類似的推薦

Question

我很好奇基於類似推薦的算法。我的意思是人們可以「喜歡」某些東西，但他們不能「不像」某種東西。這種情況下有什麼樣的推薦算法。

我有一個想法，但我不認爲它的可擴展性。我的想法是創建一個圖表，其中每個可愛的項目對於每個其他喜歡的項目具有邊緣容量，其中邊緣容量是喜歡這兩個項目的用戶數量的共同點。然後爲某個用戶提供建議，可以增加圖形，以便用戶是源節點，並且對用戶喜歡的所有項目具有無限邊緣。用戶不喜歡的所有項目都具有無限容量的邊緣到目的節點。然後使用Ford-Fulkerson運行最大流量，並根據目的地的邊緣流量對建議進行排序。然而，一想到它，一張1000個或更多的圖表就會很快失去控制。

我曾經想過其他系統如協作過濾器，但我不確定他們會很好地工作，考慮到沒有投票或多個喜歡的比例。因此，「不喜歡」與「尚未喜歡」無法區分。

我會很感激任何想法或資源。

Answer 1

有一些點，你可以使用：

1. 有「見過，不喜歡」到「沒有看到」有很大的區別。通常，「看到和不喜歡」被用作弱的「不喜歡」，然後你可以使用協作過濾。
2. 您仍然可以找到基於喜歡的「類似用戶」，並基於一組類似用戶（喜歡類似的東西） - 您可以推薦他們喜歡的物品。如果他們喜歡的項目集合具有較高的Jaccard similarity（例如），則可以確定兩個用戶「相似」，並推薦大部分「相似」用戶喜歡的項目。

您可能會搜索更多選擇的文獻，這是過去幾年www conference的熱門話題，新方法總是在不斷髮展。