이러한 "중첩 된"권장 사항에 사용할 모델 또는 접근 방법은 무엇입니까?

Question

매우 구체적인 권장 문제가 있습니다.

항목/특성/값 등 3 가지 유형의 값/엔티티가 있다고 가정합니다. N 항목, 속성 및 B 값이 있습니다. 각 항목에는 몇 가지 속성 - 값 쌍이 있습니다. 예 :

1 번 항목
2374-23783
8455-5783
744-2438

아이템 # 2
5435-23783
8455-54654
544-9778

...

이제 "익명"항목, 즉 Ite 위와 같이 3-4 개의 샘플 속성 값 쌍을 가진 m # x, 특정 속성에 대한 권장 사항을 얻고 싶습니다. 예 :

상품 번호 X
5435-23783

544-9778 744-2438

8455- ??

직감 - 항목 x의 8455 속성에 권장되는 값은 54654 일 수 있습니다. 속성 # 5435와 744는 항목 # x에서와 같이 항목 # 2에서 동일한 값을가집니다. 따라서 8455의 값이 Item # 2에있는 8455의 값과 비슷할 가능성이 더 큽니다.

질문 :

1. 이 문제에 대한 가장 좋은 것입니다 생각하십니까 모델의 어떤 종류의

   ? 어떤 접근 방식을 사용해야합니까? 협업 필터링 -하지만 어떻게? 단순히 모든 속성 - 값 쌍을 데이터 집합으로 덤핑하고 권장 사항을 가져 오는 것이 분명 내 요구 사항을 충족시키지 못합니다.

2. 구현 관련 세부 정보를 추가 할 수 있습니까? 코끼리 부리는 사람? Myrrix? 기계 학습/추천 라이브러리?

Answer 1

기계를 배우고 검색하는 것만으로는 보이지 않습니다. 가장 직접적인 방법은 각 차원이 속성 인 특성 벡터를 만드는 것입니다.

벡터의 위치와 특성 :

Position #0, property 2374 
Position #1, property 8455 
Position #2, property 744 
Position #3, property 5435 
Position #4, property 544 

각 항목에 대한 벡터 값을 입력합니다.

Item #1 is represented as [23783, 5783, 2438,  ?, ?] 
Item #2 is represented as [ ?, 54654, ?, 23783, 9778] 
Item #x is represented as [ ?,  ?, 2438, 23783, 9778] 

항목 #x를 위치 # 1 54654.는 기본적으로 당신이 관심있는 위치 값이있는 항목을 가지고있는 최선의 교차점을 찾을 것입니다 항목 # 2에 가장 일반적인 값이 있습니다. 그것은 경우에 더 흥미 얻는다 여러 항목에서 제안 할 수있는 여러 속성의 값을 원하지만 데이터의 특성에 관해서는 이야기하지 않았습니다.

Answer 2

모든 기계 학습 방법이 그 작업을 수행합니다. 예를 들어 베이지안 네트워크를 사용할 수 있습니다. 이러한 조건부 항목 속성 값 발생은 당연한 일입니다.

우려 사항을 알지 못하면 구현 세부 정보를 추가하는 것이 현실적이지 않습니다. 가장 신경 써주세요? 성능, 정확성 또는 확장 성