সহযোগী ফিল্টারিং এবং সামগ্রীর বৈশিষ্ট্য উভয়কেই সংহত করার প্রস্তাবকারী সিস্টেম কীভাবে তৈরি করবেন?


10

আমি একটি সুপারিশকারী সিস্টেম তৈরি করছি এবং "অনুরূপ" ব্যবহারকারীর রেটিং এবং আইটেমগুলির বৈশিষ্ট্য উভয়ই অন্তর্ভুক্ত করতে চাই। আউটপুটটি একটি পূর্বাভাস রেটিং [0-1] I আমি একটি নিউরাল নেটওয়ার্ক বিবেচনা করছি (শুরু করার জন্য)।

সুতরাং, ইনপুটগুলি আইটেমের বৈশিষ্ট্য এবং প্রতিটি ব্যবহারকারীর রেটিংয়ের সমন্বয়। আই এবং এ 1 ব্যবহারকারীর জন্য, সিস্টেমটি সম্মিলিত ডেটা, এ 1-এ প্রশিক্ষিত হতে পারে। এটি একটি প্রশিক্ষণের উদাহরণ হবে।

যদি ব্যবহারকারী 1 মুভি বি রেট করে তবে কী হবে? তারপরে বি 1 ডাটা কি প্রশিক্ষণের উদাহরণ হতে পারে? এভাবে ব্যবহারকারীর 1 এর বৈশিষ্ট্যগুলি দিয়ে প্রশিক্ষণের পুনরাবৃত্তি করতে কোনও সমস্যা আছে?

সমস্যার কাছে যাওয়ার আরও ভাল উপায় সম্পর্কে আপনার কোনও পরামর্শ আছে?

উত্তর:


11

সমস্যাটি পুরোপুরি বোঝার আগে আপনি কেন একটি নিউরাল নেটওয়ার্ক বিবেচনা করছেন?

সহযোগী ফিল্টারিংয়ের জন্য স্ট্যান্ডার্ড ম্যাট্রিক্স ফ্যাক্টরীকরণ পদ্ধতিগুলি সহজেই সামগ্রী বৈশিষ্ট্যগুলি লাভ করতে সক্ষম হয়। বায়েশিয়ান সেটিংয়ে এটি কীভাবে করা যায় তার উদাহরণের জন্য ম্যাচবক্সের কাগজটি দেখুন


6

বিষয়বস্তুর বৈশিষ্ট্যগুলির সাথে ম্যাট্রিক্স ফ্যাক্টেরাইজেশনকে সংহত করার বিষয়ে তিনটি কাগজপত্র (এখানে, বিষয়টির মডেলটি বিশেষত):

  • দীপক আগরওয়াল এবং মৌমাছি-চুং চেন। ২০১০. এফএলডিএ: সুপ্ত ডেরিচলেট বরাদ্দের মাধ্যমে ম্যাট্রিক্স ফ্যাক্টরিয়েশন। ওয়েব অনুসন্ধান এবং ডেটা মাইনিং সম্পর্কিত তৃতীয় এসিএম আন্তর্জাতিক সম্মেলনের কার্যক্রম (ডাব্লুএসডিএম '10)। এসিএম, নিউ ইয়র্ক, এনওয়াই, মার্কিন যুক্তরাষ্ট্র, 91-100।
  • হনহুই শান ও অরিন্দম ব্যানার্জি। ২০১০. সহযোগী ফিল্টারিংয়ের জন্য জেনারালাইজড প্রব্যাবিলিস্টিক ম্যাট্রিক্স কারখানা ডেটা মাইনিং সম্পর্কিত আইইইই ইন্টারন্যাশনাল কনফারেন্সের কার্যক্রম (আইসিডিএম '10)। আইইইই কম্পিউটার সোসাইটি, ওয়াশিংটন, ডিসি, মার্কিন যুক্তরাষ্ট্র, 1025-1030।
  • চং ওয়াং এবং ডেভিড এম ব্লেই। 2011. বৈজ্ঞানিক নিবন্ধগুলির পরামর্শের জন্য সহযোগী বিষয় মডেলিং। নলেজ আবিষ্কার এবং ডেটা মাইনিংয়ের (কেডিডি '11) সম্পর্কিত 17 তম এসিএম সিগ্কিডিডি আন্তর্জাতিক সম্মেলনের কার্যক্রম চলছে। এসিএম, নিউ ইয়র্ক, এনওয়াই, মার্কিন যুক্তরাষ্ট্র, 448-456।

আমি আমার নিজস্ব ব্লগ এন্ট্রি প্রচার করব যা এই সমস্যাটি সম্পর্কে কিছুটা আলোচনা করে: টপিক মডেলগুলি ল্যান্টেন্ট ফ্যাক্টর মডেলগুলির সাথে দেখা করে


3

নিউরাল নেটওয়ার্ক পদ্ধতির প্রয়োজন নেই, সহযোগী ফিল্টারিং নিজেই একটি অ্যালগরিদম। আপনার সমস্যার জন্য বিশেষত সিএফ এবং রিকোমেন্ডার সিস্টেমের একটি ভাল বর্ণনা রয়েছে:

ml-class.org

(XVI দেখুন: প্রস্তাবক সিস্টেম)) এটি মার্জিত, সহজ, এবং আপনি যদি এটি সঠিকভাবে করেন (এটি, ভেক্টরাইজড ফর্ম, দ্রুত মিনিমাইজার এবং প্রস্তুত গ্রেডিয়েন্ট ব্যবহার করুন) এটি বেশ দ্রুত হতে পারে।


আমি সেই পদ্ধতির ব্যবহার করেছি, তবে এটি আইটেমের বৈশিষ্ট্যগুলি ব্যবহার করে না। আমি বৈশিষ্ট্যগুলিও অন্তর্ভুক্ত করতে চাই।
বি সেভেন
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.