সুতরাং, দুটি সমস্যা আছে।
- রেকর্ডিং ইমপ্রেশন (শো)
- অ-ইমপ্রেশনগুলি কীভাবে মোকাবেলা করবেন
(1) এর জন্য আপনার এই তথ্যটি রেকর্ড করা উচিত । এটি বর্তমানে রেকর্ড করা না থাকলে আপনার এই তথ্যটি রেকর্ড করা শুরু করা উচিত। প্রদত্ত যে আপনার কাছে এই তথ্য নেই যা আপনি প্রস্তাবনা সরবরাহ করতে চান। ভাগ্যক্রমে, ক্লিক ক্লিকের ডেটা দিয়ে আপনি এখনও একটি ইউটিলিটি ম্যাট্রিক্স তৈরি করতে পারেন, দেখুন 9.1.1।
http://i.stanford.edu/~ullman/mmds/ch9.pdf
আপনি তখন কাগজে বর্ণিত হিসাবে ব্যবহারকারী বা আইটেম-ভিত্তিক সহযোগী ফিল্টারিং ব্যবহার করতে পারেন। এটি মূলত ইউটিলিটি ম্যাট্রিক্সকে জনসাধারণ এবং অনিবদ্ধ আইটেমগুলির জন্য "স্কোর" সন্ধানের চেষ্টা করার একটি অনুশীলন। আপনার প্রস্তাবনাটি সর্বোচ্চ স্কোর সহ একটি অনিবন্ধিত আইটেম হবে।
(2) এর জন্য আপনি এখনও অবিরত আইটেমগুলির জন্য সুপারিশ করবেন। সুতরাং, যে একা একটি সমস্যা নয়। তবে আপনি আপনার ইমপ্রেশনগুলি অনুকূল করতে চান। আপনার সম্পূর্ণ জ্ঞান থাকতে পারে না যেখানে কোনও ব্যবহারকারী সমস্ত সম্ভাব্য বিকল্প দেখতে পারে। আপনাকে ইমপ্রেশনগুলি রেকর্ড করতে হবে এবং বেশ কয়েকটি জিনিস বুঝতে হবে।
- একটি আইটেমের হার দেখান
- একটি আইটেম ক্লিক করুন হার
- কিভাবে নতুন আইটেম অন্তর্ভুক্ত
- কোন আইটেমটি প্রদর্শন করতে হবে তা কীভাবে অনুকূলিত করা যায় to
এটি একটি বিশাল বিষয় এবং মূলত এটি অনলাইন বিজ্ঞাপনের সমস্যা ডোমেন। তবে, একটি প্রস্তাব ইঞ্জিন দীর্ঘ লেজের প্রতি আগ্রহের আইটেমগুলি সন্ধান করার চেষ্টা করে, যা বিজ্ঞাপন অপ্টিমাইজেশনের চেয়ে কিছুটা আলাদা। আপনার প্রস্তাবনাটি মূল্যায়নের জন্য এটি একটি প্রতিক্রিয়া লুপ। এ / বি পরীক্ষাগুলি সাধারণ। আপনি আপনার বর্তমান সিস্টেম এবং নতুন সিস্টেমের মধ্যে ক্লিক রেট এবং সুপারিশ ত্রুটি পরীক্ষা করতে চাইবেন।
এছাড়াও এখানে দেখুন।
http://cs.brynmawr.edu/Courses/cs380/fall2006/Herlocker2004.pdf
http://www.cs.umd.edu/~samir/498/Amazon-Recommendations.pdf