0

사용자와 항목이 일대일로 연결된 특정 사용 사례에 대해 추천 시스템 (학업 수행)을 시도하고 있습니다. 지정된 시간에 특정 항목을 한 명의 사용자 만 소유 할 수 있다고 가정 해보십시오. 사용자는 한 번에 여러 항목을 소유 할 수 있습니다. 어떤 특정 항목은 소유하는 사용자가 관심을 가질만한 유사한 항목이 많이 있습니다. 항목을 찾아서 사용자에게 추천하고 싶습니다. 일반적으로 사용자 기반 권장 사항에서 엔티티는 many to many 연관이됩니다. 사용자 U1이 항목 I1, I2, I3을 소유하고 사용자 U2가 항목 I1, I2, I3, I4를 소유하면 우리는 I4에서 U1을 추천합니다. 필자의 경우 하나의 항목은 주어진 시간에 한 명의 사용자 만 소유 할 수 있습니다. 이 경우 권장 사항을 수행하는 방법. 사용자 기반 권장 사항을 수행 할 수 있습니까?일대 다 연관성이있는 엔티티에 대한 권장 사항을 수행 할 수있는 방법이 있습니까?

+0

사용자가 거래 할 수 있습니까? 때로는 (아무도 소유하지 않은) 다른 품목을 소유 한 광범위한 역사가 있습니까? 이것 없이는 추천 시스템이 유용하다는 것을 알지 못합니다. –

+0

안녕하세요 숀, 동일한 항목을 다른 시점에서 다른 사용자가 소유 할 수 있습니다. 그러나 일반적으로 그렇게 자주 일어나지는 않습니다. – suren

+0

어떤 의미에서 항목이 유사합니까? 사용자 행동 측면에서 정의되지 않은 경우 ... 그러한 프로세스의 기초라고 생각하는 것에 대해 더 많이 말해야합니다. 항목에 범주가 있습니까? –

답변

1

하나의 가능한 옵션은 항상 한 문제를 다른 문제로 유도하는 것입니다. 일대 다 정보가 주어지면 각 항목 X에 대해 이 필요합니다 (여기에는이 필요합니다. 어떤 권고도 수행 할 수없는 경우), "비슷한 정도의 X 항목"개체를 만들 수 있습니다. C [X]라고 부르면 모든 항목을 살펴보고 새로운 종류의 데이터를 얻게됩니다. 사용자 및 "항목 클러스터"가 있습니다. 이제 사용자 A가 C [X]의 항목을 좋아하는 경우 사용자 A는 클러스터 C [X]를 "좋아합니다"라고 가정 할 수 있습니다. 이 방법을 사용하면 같은 데이터에 다 대다 관계가 있고 약간의 "평활화"가 있습니다. 이제는 모든 종류의 기존 시스템을 사용할 수 있으며 추천 C [Y]를 받으면 C [Y]의 무료 (사용 가능) 항목을 "권장"합니다.

+0

유사성 측정 항목은 권장 사항으로 엄격하게 요구되는 것은 아니지만 일반적인 방법입니다. 하지만 여기에있는 모든 질문이 여기 있습니다. 계산의 기초는 무엇입니까? 이웃 기반 알고리즘이 실제로 어떻게 도움이되는지를 설명합니다. –

+0

** 이러한 ** 조치가 없으면 (이미 알고있는 모든 항목이 이미 취해진 것처럼) 추천에 대한 지식이 없으므로 ** this ** 상황에서 필수입니다. – lejlot

+0

필요한 것은 항목에 대한 지식입니다. 그렇지만 일반적으로 유사성 측정 항목은 필요하지 않습니다. 예를 들어 잠재 요인 모델은 명백한 유사성 메트릭을 기반으로하지 않습니다. –