আইটেম ভিত্তিক এবং মাহাউটে ব্যবহারকারী ভিত্তিক সুপারিশের পার্থক্য

Question

আমি জানতে চাই যে ঠিক কীভাবে ব্যবহারকারী ভিত্তিক এবং আইটেম ভিত্তিক সুপারিশ একে অপরের থেকে পৃথক।

এটি এটি সংজ্ঞায়িত করে

ব্যবহারকারী ভিত্তিক : অনুরূপ ব্যবহারকারীদের সন্ধান করে আইটেমগুলির প্রস্তাব দিন। এটি ব্যবহারকারীদের গতিশীল প্রকৃতির কারণে স্কেল করা প্রায়শই শক্ত।

আইটেম-ভিত্তিক : আইটেমগুলির মধ্যে সাদৃশ্য গণনা করুন এবং সুপারিশ করুন। আইটেমগুলি সাধারণত খুব বেশি পরিবর্তন হয় না, তাই এটি প্রায়শই লাইনের বাইরে গণনা করা যায়।

তবে দুটি ধরণের সুপারিশ উপলব্ধ থাকলেও, আমি যা বুঝতে পারি তা হ'ল এই উভয়ই কিছু ডেটা মডেল নেবে (বলুন 1,2 বা 1,2, .5 কে আইটেম 1, আইটেম 2, মান বা ব্যবহারকারী 1, ব্যবহারকারী 2, মান যেখানে মান নেই) বাধ্যতামূলক) এবং আমরা যা পছন্দ করেছিলাম সেইরূপতা পরিমাপ এবং সুপারিশকারী বিল্ট-ইন ফাংশন হিসাবে সমস্ত গণনা সম্পাদন করব এবং আমরা একই ডেটাতে ব্যবহারকারীর / আইটেম ভিত্তিক সুপারিশ উভয়ই চালাতে পারি (এটি কি সঠিক অনুমান ??)

সুতরাং আমি জানতে চাই যে ঠিক কীভাবে এবং সমস্ত দিকগুলিতে এই দুই ধরণের অ্যালগরিদম আলাদা।

Answer 1

আপনি সঠিক যে উভয় মডেলই কোনও সমস্যা ছাড়াই একই ডেটাতে কাজ করে। উভয় আইটেম ব্যবহারকারীর আইটেম রেটিংয়ের ম্যাট্রিক্সে কাজ করে।

ব্যবহারকারী-ভিত্তিক পদ্ধতির মধ্যে অ্যালগোরিদম অনুরূপ অন্যান্য ব্যবহারকারীর রেটিংগুলির সমন্বয় iকরে কোনও ব্যবহারকারী uদ্বারা কোনও আইটেমের জন্য একটি রেটিং তৈরি u'করে u। এখানে অনুরূপ অর্থ হ'ল দুটি ব্যবহারকারীর রেটিংগুলির সাথে একটি উচ্চতর পিয়ারসন পারস্পরিক সম্পর্ক বা কোসাইন মিল বা অনুরূপ কিছু রয়েছে।

আইটেম ভিত্তিক পদ্ধতির আমরা জন্য একটি রেটিং উত্পাদন iদ্বারা uআইটেম সেট দিকে তাকিয়ে i'যে একই রকম i(একই অর্থে এখন ছাড়া উপরে হিসাবে আমরা নির্ধারণ যাতে আইটেম ব্যবহারকারীদের কাছ থেকে পেয়েছি দিকে তাকিয়ে থাকতে চাই) যে uবিপরিতে হয়েছে এবং তারপর দ্বারা রেটিং সম্মিলন uএর i'দ্বারা একটি পূর্বাভাস রেটিং মধ্যে uজন্য i।

ব্যবহারকারী-ভিত্তিক ফিল্টারিংয়ের মাধ্যমে তাদের স্কেল চ্যালেঞ্জগুলি মোকাবেলায় আইটেম-ভিত্তিক পদ্ধতির আবিষ্কারটি অ্যামাজনে ( http://dl.acm.org/citation.cfm?id=642471 ) এ হয়েছিল । ব্যবহারকারীদের সংখ্যার তুলনায় তারা যে পরিমাণ জিনিস বিক্রি করেন সে সংখ্যা অনেক কম এবং খুব কম গতিশীল তাই আইটেম-আইটেমের মিলগুলি অফলাইনে গণনা করা যায় এবং প্রয়োজনে অ্যাক্সেস করা যায়।

Answer 2

আইটেম ভিত্তিক অ্যালগরিদম

for every item i that u has no preference for yet

  for every item j that u has a preference for

    compute a similarity s between i and j

    add u's preference for j, weighted by s, to a running average

 return the top items, ranked by weighted average

ব্যবহারকারী ভিত্তিক অ্যালগরিদম

for every item i that u has no preference for yet

 for every other user v that has a preference for i

   compute a similarity s between u and v

   add v's preference for i, weighted by s, to a running average

 return the top items, ranked by weighted average

আইটেম বনাম ব্যবহারকারী ভিত্তিক:

1) সুপারিশকারীরা আইটেম বা ব্যবহারকারীর সংখ্যার সাথে তাদের যে পরিমাণ ব্যবহার করা উচিত সেগুলি মাপুন, সুতরাং এমন পরিস্থিতি রয়েছে যাতে প্রতিটি ধরণের অপরের চেয়ে ভাল পারফর্ম করতে পারে

2) আইটেমগুলির মধ্যে মিলের অনুমানগুলি সময়ের সাথে ব্যবহারকারীদের মধ্যে মিলের চেয়ে একত্রিত হওয়ার সম্ভাবনা বেশি

3) আমরা গণনা করতে পারি এবং একই রূপে সংযুক্তিগুলি ক্যাশে করতে পারি যা আইটেম ভিত্তিক সুপারিশকারীদের একটি পারফরম্যান্স সুবিধা দিতে পারে

৪) আইটেম ভিত্তিক সুপারিশকারীগণ ব্যবহারকারীর পছন্দের আইটেমগুলির তালিকা দিয়ে শুরু করেন এবং তাই ব্যবহারকারী ভিত্তিক সুপারিশকারীরা যেমন কোনও নিকটবর্তী আইটেম প্রতিবেশীর প্রয়োজন হয় না do

Comments

যথাযথ সতর্কতা: লিঙ্কগুলি এই সাইটে উত্তর হিসাবে গ্রহণ করা হয় না। আপনি কোনও ডাউনভিটস পাওয়ার আগে আমি সম্পাদনা বা মোছার পরামর্শ দিচ্ছি!

— শেলডোনক্রেজার

সম্ভবত "ব্যবহারকারী-ভিত্তিক অ্যালগরিদম" তে একটি টাইপ রয়েছে - চতুর্থ লাইনটি "আমার পছন্দের

— বিষয়গুলি

@ বার্নার্ডো আফলাও আমি এটি একটি টাইপো মনে করি না, আপনি সমস্ত ভিয়ের জন্য অগ্রাধিকার যোগ করুন এবং তারপরে একটি ওজন গড়ে নিন

— ওসওয়াল্ড