আমি সহযোগী ফিল্টারিং ব্যবহার করে একটি সুপারিশ সিস্টেম তৈরির চেষ্টা করছি। আমার কাছে স্বাভাবিক [user, movie, rating]তথ্য আছে। আমি 'ভাষা' বা 'চলচ্চিত্রের সময়কাল' এর মতো একটি অতিরিক্ত বৈশিষ্ট্য অন্তর্ভুক্ত করতে চাই। আমি নিশ্চিত নই যে এই জাতীয় সমস্যার জন্য আমি কী কৌশলগুলি ব্যবহার করতে পারি।
দয়া করে পাইথন / আর-তে রেফারেন্স বা প্যাকেজগুলির পরামর্শ দিন।
উত্তর:
এখানে কিছু সংস্থান যা সহায়ক হতে পারে:
সুপারিশকারী - সুপারিশ অ্যালগরিদমগুলি বিকাশ এবং পরীক্ষার জন্য একটি কাঠামো এবং ওপেন সোর্স সফ্টওয়্যার: http://lyle.smu.edu/IDA/rec सुझावerlab । সংশ্লিষ্ট Rপ্যাকেজ recommenderlab: http://cran.r-project.org/package=recommenderlab ।
নিম্নলিখিত ব্লগ পোস্টটি recommenderlabপ্যাকেজ (যা কোনও ওপেন সোর্স সুপারিশ ইঞ্জিনের জন্য সাধারণ করা যেতে পারে) মুভি সুপারিশ অ্যাপ্লিকেশন নির্মাণের জন্য , সহযোগী ফিল্টারিংয়ের উপর ভিত্তি করে চিত্রিত করে : http://scn.sap.com/commune/developer-center/ana / ব্লগ / 2013/11/06 / মুভি-সুপারিশ-অনুসারে-লিভারেজিং-আর ।
সুপারিশকারী সিস্টেমগুলির উপর গবেষণা - সুপারিশল্যাবের শীর্ষস্থানীয় বিকাশকারী মাইকেল হাহসলার দ্বারা রক্ষণাবেক্ষণ করা বিষয়টিতে সংস্থানসমূহ সহ একটি দুর্দান্ত ওয়েবপৃষ্ঠা: http://michael.hahsler.net/research/rec سفارشer ।
মর্টার সুপারিশ ইঞ্জিন - Hadoopএবং এর জন্য Pigলিখিত Pythonও Java: https://github.com/mortardata/mortar-recsys- এর জন্য একটি ওপেন সোর্স কাস্টমাইজেবল সুপারিশ ইঞ্জিন । সংস্থা, এই প্রকল্পের বিকাশের পৃষ্ঠপোষকতা মর্টার ডেটা বিকাশ এবং ডেটা সায়েন্স সফ্টওয়্যার প্রকল্পের হোস্টিংয়ের জন্য সাধারণ বাণিজ্যিক ক্লাউড প্ল্যাটফর্ম সরবরাহ করে , যার উপর ভিত্তি করে (জনসাধারণের প্রকল্পগুলির উন্নয়ন এবং হোস্টিং নিখরচায়) রয়েছে: http: //www.mortardata। com । মর্টার ডেটা পাবলিক প্রশ্নোত্তর ফোরাম ( https://answers.mortardata.com ) আকারের পাশাপাশি একটি বিস্তৃত টিউটোরিয়াল সহায়তা প্রদান করেMortar Recommendation Engineওপেন প্রযুক্তি ( http://help.mortardata.com/data_apps/rec सुझावation_engine ) ব্যবহার করে সুপারিশ ইঞ্জিন তৈরি করার বিষয়ে ।
"সুপারিশকারী সিস্টেমগুলির পরিচিতি" - একটি প্রাসঙ্গিক কোর্সেরা কোর্স (এমওইউসি), যা বিষয়বস্তু এবং বিবরণ এই বিষয়ের উপর অতিরিক্ত সংস্থান সরবরাহ করে: https://www.coursera.org/course/recsys ।
প্রেডিকশনআইও - একটি ওপেন সোর্স মেশিন লার্নিং সার্ভার সফ্টওয়্যার, যা সুপারিশ সিস্টেম সহ ডেটা সায়েন্স অ্যাপ্লিকেশনগুলি তৈরি করতে দেয় : http://prediction.io (সোর্স কোডটি গিটহাবের জন্য উপলব্ধ: https://github.com/PredictionIO )। একটি অন্তর্নির্মিত প্রস্তাব ইঞ্জিন ( http://docs.prediction.io/current/engines/itemrec/index.html ) অন্তর্ভুক্ত করে এবং এপিআইয়ের পাশাপাশি এসডিকে / প্লাগ-ইনগুলির মাধ্যমে বিস্তৃত প্রোগ্রামিং ভাষা এবং ফ্রেমওয়ার্কগুলিকে সমর্থন করে । PredictionIO একটি বজায় রাখে উপর ডেস্কটপ AWS মার্কেটপ্লেস ডেস্কটপ AWS পরিকাঠামোতে অ্যাপ্লিকেশন স্থাপনার জন্য: https://aws.amazon.com/marketplace/pp/B00ECGJYGEPredictionIORESTfulAmazon Machine Image।
বিষয় সম্পর্কিত, অতিরিক্ত ওপেন সোর্স সফ্টওয়্যার প্রকল্পগুলি ( মেশিন লার্নিং ওপেন সোর্স সফ্টওয়্যার MLOSSওয়েবসাইটের মাধ্যমে আবিষ্কার : http://www.mloss.org ):
নিম্নলিখিত সম্পর্কিত R ব্লগ পোস্টগুলি আকর্ষণীয়:
সহযোগী ফিল্টারিংয়ের পরিবর্তে আমি ম্যাট্রিক্স ফ্যাক্টরীকরণ পদ্ধতির ব্যবহার করব, যেখানে ব্যবহারকারী এবং চলচ্চিত্রগুলি একইভাবে সুপ্ত বৈশিষ্ট্যগুলির ভেক্টরগুলির প্রতিনিধিত্ব করে যার ডট পণ্যগুলি রেটিং দেয় yield বৈশিষ্ট্যগুলি কী উপস্থাপন করে তা বিবেচনা না করে সাধারণত কোনও ব্যক্তি কেবলমাত্র পদগুলি (বৈশিষ্ট্যগুলির সংখ্যা) নির্বাচন করে এবং অ্যালগরিদম বাকীটি কী করে। পিসিএর মতো, ফলাফলটি তাত্ক্ষণিকভাবে ব্যাখ্যাযোগ্য নয় তবে এটি ভাল ফলাফল দেয়। আপনি যা করতে চান তা হ'ল মুভি ম্যাট্রিক্স বাড়ানো আপনার উল্লিখিত অতিরিক্ত বৈশিষ্ট্যগুলি অন্তর্ভুক্ত করার জন্য এবং নিশ্চিত করুন যে এগুলি স্থির থাকার কারণে অ্যালগোরিদম নিয়মিতভাবে দুটি ম্যাট্রিকগুলি নির্ধারণ করে। ব্যবহারকারী ম্যাট্রিক্সে সম্পর্কিত এন্ট্রি এলোমেলোভাবে শুরু করা হবে, তারপরে ম্যাট্রিক্স ফ্যাক্টেরাইজেশন অ্যালগরিদম দ্বারা অনুমান করা। এটি একটি বহুমুখী এবং পারফরম্যান্স পদ্ধতির তবে এটি মেশিন লার্নিংয়ের কিছুটা বোঝার দরকার পড়ে,
আমি কিছুক্ষন আগে আইপিথনের একটি দুর্দান্ত নোটবুক দেখেছি কিন্তু এখনই এটি খুঁজে পাচ্ছি না, তাই আমি আপনাকে অন্য একটি বইয়ের কাছে উল্লেখ করব যা সুন্দর না হলেও এখনও কিছু গণিতের স্পষ্ট করে দেয়।