গতিশীল সুপারিশকারী সিস্টেম


14

একটি সুপারিশকারী সিস্টেম বিভিন্ন ব্যবহারকারীর রেটিংয়ের মধ্যে পারস্পরিক সম্পর্ককে পরিমাপ করবে এবং কোনও আগ্রহী আইটেম যা তার পক্ষে আগ্রহী হতে পারে সে সম্পর্কে একটি সুপারিশ প্রদান করবে।

তবে, সময়ের সাথে সাথে রুচিগুলি পরিবর্তন হয় তাই পুরানো রেটিংগুলি বর্তমান পছন্দগুলি এবং তার বিপরীতে প্রতিফলিত না করে । আপনি একবার কোনও বইতে "চমত্কার" রেখেছিলেন এখন আপনি "খুব বেশি বিরক্তিকর নয়" এবং এর মতো আরও মূল্য দিন। তদুপরি, আগ্রহগুলি নিজেরাই পরিবর্তন করে।

পরিবর্তিত পরিবেশে সুপারিশকারী সিস্টেমগুলি কীভাবে কাজ করবে?

  1. একটি বিকল্প হ'ল "পুরানো" রেটিংগুলি কেটে ফেলা, যা আপনাকে "পুরানো" সঠিকভাবে সংজ্ঞায়িত করে ধরে নিতে ঠিক কাজ করতে পারে (আপনি এমনকি বলতে পারেন যে রেটিংগুলি কখনই শেষ হয় না এবং সমস্যাটি উপস্থিত থাকে না এমন ভান করে)। তবে এটি সর্বোত্তম সম্ভাব্য বিকল্প নয়: অবশ্যই স্বাদগুলি বিকশিত হয়, এটি একটি সাধারণ জীবন প্রবাহ এবং আমরা একবারে সঠিকভাবে পূর্ববর্তী রেটিংগুলির অতিরিক্ত জ্ঞান ব্যবহার করতে না পারার কোনও কারণ নেই।
  2. আরেকটি বিকল্প হ'ল একরকম এই অতিরিক্ত জ্ঞানকে সামঞ্জস্য করা। সুতরাং আমরা আপনার বর্তমান স্বার্থের জন্য কেবল একটি "তাত্ক্ষণিক মিল" খুঁজে পাইনি তবে আপনাকে পরবর্তী জিনিসগুলি পছন্দ করতে (আপনি এখন পছন্দ করতে পারেন তার বিপরীতে ) প্রস্তাব দিই ।

আমি এটির যথেষ্ট ব্যাখ্যা করছি কিনা তা আমি নিশ্চিত নই। মূলত আমি দ্বিতীয় পদ্ধতির পক্ষে এবং আমি একটি সুপারিশকারী সিস্টেমের কথা বলছি যা স্বাদ ট্র্যাজিকোলজির পারস্পরিক সম্পর্ক পরিমাপ করবে এবং ফলন সুপারিশ করবে যা পূরণ করবে .. ভাল, আসুন এটি ব্যক্তিগত বৃদ্ধি বলি - কারণ তারা এমন লোকদের কাছ থেকে আসবে যারা "স্বাদ ট্র্যাজেক্টোরি" (এবং কেবল "স্বাদগুলির স্নাপশট" নয়) আপনার মতো similar

এখন প্রশ্ন: আমি অবাক হই যে "অপশন 2" এর অনুরূপ কিছু ইতিমধ্যে উপস্থিত রয়েছে এবং যদি তা হয় তবে আমি কীভাবে এটি কাজ করে তা অবাক করি। এবং যদি এটির অস্তিত্ব না থাকে তবে এটি কীভাবে কাজ করা উচিত তা আলোচনা করার জন্য আপনাকে স্বাগত জানাই! :)

উত্তর:


8

আমি ইহুদা কোরেন (নেটফ্লিক্স প্রতিযোগিতা!) দ্বারা টেম্পোরাল ডায়নামিক্স সহ কাগজ সহযোগী ফিল্টারিংকে সত্যই সুপারিশ করছি যেখানে এই সমস্যাটি বিস্তারিতভাবে আলোচনা করা হয়েছে।

আমি লেখকের সাথে একমত, প্রথম বিকল্পটি ("কাটা কাটা") যাওয়ার উপায় নয়। এটি সত্য যে পুরানো পছন্দগুলি সেভাবে অগ্রাহ্য করা হয়, তবে ক) কিছু পছন্দগুলি কখনই পরিবর্তন হয় না, তাই চিরসবুজ সনাক্ত করার জন্য কেউ ডেটা মেরে ফেলে খ) ভবিষ্যতের পছন্দগুলি বোঝার জন্য অতীতে কিছু পছন্দ প্রয়োজন ( যেমন 1 মরসুম কিনুন -> আপনি সম্ভবত 2 মরসুম কিনবেন)।

তবে, কোરેেন এই জাতীয় ট্র্যাজিকোলজিকে স্পষ্টভাবে সনাক্ত করার চেষ্টা করেন না (অর্থাত্ যাতে একজন ব্যবহারকারীর ভবিষ্যতের আচরণের পূর্বাভাস দিতে পারে), কারণ এটি একটি খুব কঠিন কাজ। আপনি এটি মাথায় রেখে কল্পনা করতে পারেন যে, একটি ট্র্যাজেক্টোরির সাথে যে পছন্দগুলি "স্টেশনগুলি" সময়ের সাথে আবদ্ধ নয়, তবে কোনও ব্যবহারকারীর ব্যক্তিগত বিকাশের জন্য, অন্য ট্র্যাজেক্টোরিজগুলি দ্বারা বাধাগ্রস্থ বা অতিক্রম করে বা কেবল অন্যভাবে প্রকাশ করা যেতে পারে। উদাহরণস্বরূপ, যদি কেউ হার্ড অ্যাকশন মুভি থেকে অ্যাকশন মুভিগুলিতে চলে যায় তবে সুনির্দিষ্ট "এন্ট্রি সফট অ্যাকশন মুভি" বা এর মতো কিছু নেই। ব্যবহারকারী যে কোনও সময়ে এই অঞ্চলটি প্রবেশ করতে পারেন (সময় এবং আইটেম স্পেসে)। এই সমস্যাগুলির সাথে ডেটার স্বল্পতার সাথে মিলিত হয়ে এখানে সম্ভাব্য মডেল তৈরি করা প্রায় অসম্ভব করে তোলে।

পরিবর্তে, কোরেন রেটিং পূর্বাভাসের কার্যকারিতা বাড়ানোর জন্য অতীতের ডেটাগুলিকে দীর্ঘমেয়াদী-প্যাটার্ন-সিগন্যালগুলিতে এবং দৈনন্দিন শব্দে আলাদা করার চেষ্টা করে। তিনি এই দৃষ্টিভঙ্গি এসভিডি এবং একটি সহজ সহযোগী নেগ্রোবারুড মডেল উভয়ের জন্য প্রয়োগ করেন। দুর্ভাগ্যক্রমে, আমি এখনও গণিতটি সম্পন্ন করি নি, সুতরাং আমি এই বিষয়ে আরও বিশদ সরবরাহ করতে পারি না।

ট্র্যাজেক্টরিগুলির স্পষ্ট মডেলিংয়ের জন্য অতিরিক্ত নোট

সিকোয়েন্স মাইনিংয়ের ক্ষেত্রটি করার পদ্ধতি সরবরাহ করে তবে সমালোচনামূলক বিষয়টি হ'ল আইটেমগুলির যথাযথ বিমূর্ত প্রতিনিধিত্ব খুঁজে পাওয়া (যেহেতু আইটেমগুলি স্বল্পতার কারণে নিজে ব্যবহার করা যায় না), যেমন ট্যাগগুলিতে ক্লাস্টারিং। যাইহোক, যদিও এই পদ্ধতিটি কিছু ব্যবহারকারীর আচরণের (ডেটা মাইনিং!) কিছু অন্তর্দৃষ্টি সরবরাহ করতে পারে যখন এটি সমস্ত গ্রাহকদের (অর্থাত্ ভর) প্রয়োগের ক্ষেত্রে আসে তখন এটি প্রাসঙ্গিক নাও হতে পারে, যাতে কোরেনের পরামর্শ অনুযায়ী অন্তর্নিহিত মডেলিং হতে পারে শেষ পর্যন্ত ভাল।


ইহুদা কাগজটি আমি যা বলছিলাম তার খুব কাছাকাছি, যদিও তিনি "স্বাদ ট্রাজেক্টোরিজ" সম্পর্কে কথা বলেন না। সম্ভবত আপনি সঠিক এবং "স্বাদ পরিবর্তনের হার" কোনও ব্যক্তির জন্য নির্দিষ্ট করা হয়নি .. লিঙ্কটির জন্য ধন্যবাদ!
andreister

হ্যাঁ, এই প্রথম জিনিসটি আমি ভেবেছিলাম।
স্টম্পি জো পিট

2

আমি কোনও ওয়ার্কিং সিস্টেম সম্পর্কে সচেতন নই, তবে আমাজন, নেটফ্লিক্স বা কারও কাছে যদি এমন সিস্টেম থাকে তবে অবাক হব না। এমনকি গুগল সার্চ ইঞ্জিনেও একই ধরণের সিস্টেম থাকতে পারে।

ডাঃ এন.জি. এর কোর্সটি শেষ সেমিস্টারে নেওয়ার সময় আমি এই বিষয়ে ভেবেছিলাম। আমি প্রথমে সর্বোত্তম হতে হবে পদ্ধতির বয়সের উপর ভিত্তি করে একটি ওজন ফ্যাক্টর যুক্ত করা হবে। যত টুকরো ডেটা বর্তমান হবে তত ভারী হবে। এই পদ্ধতির বাস্তবায়ন অপেক্ষাকৃত সহজ এবং গণনামূলকভাবে সস্তা হবে।

যাইহোক, এই পদ্ধতির আরও যত্ন সহকারে চিন্তা করার পরে আমি মনে করি এটিতে অনেক অ্যাপ্লিকেশনের গুরুতর ত্রুটি রয়েছে। ব্যক্তিগতভাবে, আমি প্রায়শই একটি জেনার অনুসরণ করি বা কিছু সময়ের জন্য প্রদর্শন করি, ক্লান্ত হয়ে যাই, অন্য কোনও কিছুর দিকে এগিয়ে যাই, তবে পরে মূল জেনারে ফিরে আসি। এই বার্নআউট, পুনরুদ্ধার চক্রটি সমাজেও প্রদর্শিত হয়।

অতএব, আমি কিছুটা জটিল পদ্ধতির দিকে ঝুঁকছি। ডেটা দুটি সেটে বিভক্ত করা প্রয়োজন; বর্তমান তথ্য - প্রান্তিক ব্যক্তির ইন্টারঅ্যাকশনগুলির দৈর্ঘ্যের উপর নির্ভর করে পরিবর্তিত হতে হবে - যা আরও বেশি ভারী করা হবে এবং "historicalতিহাসিক" ডেটা যা সময়ের সাথে মানগুলি ধীরে ধীরে হ্রাসের সাথে কম হবে। দ্বিতীয়ত, "টার্ন অফ" সনাক্ত করার চেষ্টা করার জন্য একটি উপাদানকে অন্তর্ভুক্ত করা হবে যেখানে কোনও ভারী আগ্রহ বা জড়িততা হঠাৎ অদৃশ্য হয়ে যায়। "বর্তমান" ডেটা যা একইভাবে শ্রেণিবদ্ধ করা হয়েছে তা পুনরায় শ্রেণিবদ্ধ করা হবে যেন তা wereতিহাসিক।

এই পদ্ধতির কোনওটিরই কোনও কঠোরতা বা বৈধতা নেই, তবে আমি বিশ্বাস করি এটি অনুমানের কিছু ট্রায়াল নির্মাণের পক্ষে উপযুক্ত হবে।


পুরানো ডেটার জন্য আপনার ওজন কম করার ধারণা আসলে "বিকল্প 1" এর মতো। পরিবর্তে, আমি বলছি যে পরিবর্তিত স্বাদের পুরো ট্র্যাজেক্টোরি গুরুত্বপূর্ণ - যেমন, গতকাল যদি আপনি জেনার এ পছন্দ করেন এবং আজ আপনি বি জেনার পছন্দ করেন তবে সিস্টেমটি একই "এবি- ??" সহ অন্যান্য ব্যক্তির দিকে তাকাবে স্বাদ সরিয়ে নিয়ে যায় এবং আগামীকাল আপনি জেনার সিটি পছন্দ করতে পরামর্শ দিন
andreister

1

আমি এটি দেখতে পেয়েছি, সহযোগী ফিল্টারিংয়ের একটি পরিবর্তিত সংস্করণ কাজ করতে পারে। যাইহোক, আপনাকে প্রতিটি র‌্যাঙ্কিংয়ে একটি টাইমস্ট্যাম্প রাখতে হবে এবং পুরানো র‌্যাঙ্কের ওজন গণনার সময় একটি জরিমানা দিতে হবে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.