기계를 적용하여 기존 데이터베이스의 항목을 추천하는 방법

Question

개체가 많은 기존 데이터베이스가 있습니다 (책을 예제로 사용합니다). 사용자가 웹 사이트에 로그인 할 때 책을 권하고 싶습니다.

내가 따라하는 다른 사람을 기반으로 한 서적을 추천 할 수는 있지만 더 정확한 정보를 원합니다. 그래서 각 사용자에 대한 일련의 교육 데이터를 수집했습니다.

데이터는 각 사용자에게 책을 반복적으로 제시하고 모양을 좋아하는지 묻습니다.

교육 데이터는 mongodb에 저장되며 책은 postgres 데이터베이스에 저장됩니다.

가 나는 주어진 사용자가 자신의 훈련 데이터를 기반으로 주어진 책을 좋아합니다 거세한 숫양 여부를 예측하는 코드를 작성했지만, 내 질문은 이것이다 :에

나는 데이터를 적용하는 방법/확률은 쿼리 책 포스트 그레스 데이터베이스?

사용자가 모든 사용자와 모든 책에 대해 책을 좋아할 확률을 절약하면 비효율적입니다.

모든 책을로드하는 것은 데이터베이스를 형성하고 각 책을로드하는 것이 비효율적 일 확률을 계산합니다.

Answer 1

나는 거세한 숫양을 예측하는 코드를 작성했습니다 또는 특정 사용자가 자신의 훈련 데이터

에 따라 주어진 책 같은 것하지 무엇과 같은 코드 모양을합니까? 이상적으로는 장르, 길이 등과 같은 책의 속성을 기반으로하는 의사 결정 트리의 일종이며 기술적으로는 classifier이라고합니다. 간단한 예 : 확률 저장

if (user.genres.contains(book.genre)) { 
    if (user.maxLength < book.length) { 
     print "10% off, today only!" 
    } 
} 
print "how about some garden tools?" 

은 사용자가 모든 사용자에 대해 책을 좋아하는 모든 책은 비효율적이다.

True. 위의 의사 결정 트리가 데이터베이스 쿼리로 공식화 할 수 있다는 점에 유의하라 : 당신에게 훈련 데이터와 관련하여, 사용자가 좋아하고 가장 높은 확률을 가지고있는 모든 책을 줄 것이다

SELECT * FROM Books WHERE Genre IN [user.genres] AND Length < [user.maxLength] 

합니다.