레일즈에서 돌아가고 MySQL에 저장된 데이터를 가지고있는 웹 애플리케이션을 지원하는 추천 엔진을 만들고 싶습니다. 사용자가 사물을 클릭하고 그 피드백에 따라 데이터베이스가 업데이트되는 라인을 따라 무언가 실시간으로 변하는 방식으로 처리됩니다. 규모의 순서 나는 모든 사용자에게 10 초의 상호 작용을 초당 1 초라고 생각하고 있습니다. 하루에 1M 데이터
그래서 추천 아이템 알고리즘에 대해 브레인 스토밍을하고 있으며 Amazon의 아이템을 좋아합니다. 그것에는 "이것도 구입 한 고객"과 "관련"권장 섹션이 있습니다. 나는 전자가 판매 데이터를 기반으로하고 다른 하나는 카테고리, 속성 등과 같은 카탈로그 데이터를 기반으로한다고 생각합니다. Amazon 또는 다른 유사한 대형 소매 업체가 이러한 권장 제품을 제
Mahout의 ItemSimilarityJob을 사용하여 항목 간의 유사성을 계산합니다. ItemSimilarityJob에 RecommenderJob의 usersfile 매개 변수와 비슷한 것을 적용 할 수있는 방법이 있습니까? 제가 원했던 것은 완벽한 모체 행렬을 매번 실행할 필요가 없지만 단지 일부 항목에만 적용하는 것입니다. 매일 1000 개의 새 항
setPreference/removePreference/refresh를 지원하는 메모리 내장 데이터 모델을 찾을 수 없습니다. 대신, 환경 설정을 추가하거나 제거 할 때마다 항상 새로운 GenericDataModel을 "다시 작성"합니다. 내가 놓친 게 있니? 내 물건을 만들어야 하나?
웹 사이트에 대해 추천 알고리즘을 조합해야합니다. 나는 이것을 성취하는 아주 간단한 방법을 생각해 냈지만 누군가 다른 문학에 대해 나를 지적 할 수 있는지 궁금해했다. 다른 문학이 어떻게 결합되었는지 더 잘 이해할 수 있도록 도와 줄 수 있는지 궁금해하고 있었다. 저는 Apache Mahout에서 공동 작업 필터링, 클러스터링 및 분류와 같은 기능을 인식하
저는 Andrew Ng's class on machine learning을 찍었습니다. 그래서 저는 기계 학습 기술에 대한 기본적인 이해를 가지고 있다고 생각합니다. 나는 netflix prize에 대해 알고 있고 승자에 관해 읽을 예정입니다. Amazon의 시스템에 유용한 자료가 있습니까? 그것들은 엄청나게 효과적 인 것 같습니다. 그들은 그들의 방법을
내 나무의 구조는 간단하고 깊이는 2이고 각 자식 노드는 루트의 직접적인 자식이며 각 노드는 루트를 제외한 가중치를가집니다. 두 나무의 유사성을 측정하는 좋은 방법이 있습니까? 다음은 원래 질문입니다. 읽은 책에 대한 데이터 목록이 있다고 가정 해보십시오. 목록에는 해시 테이블과 같은 키와 값이 포함됩니다. 키는 서적 카테고리이며, 값은 현재 카테고리에서
이 질문은 https://android.stackexchange.com/에 적합하지 않습니다. 저비용 (< 200 €) 태블릿 장치 중 기능 및 성능면에서 최고의 타협점으로 추천 할만한 것은 무엇입니까? 이것은 맞춤형 주문형 소프트웨어 (개인용 앱, 상업용 ...)를 실행하는 것입니다. 나는 유럽에있다.
이 문제에 어떻게 접근해야하는지 모르겠습니다. 데이터가 있습니다. 사용자는 기금 계획에 참여하거나 참여하지 않을 수 있습니다. 스키마의 일부가 아닌 사용자가 특정 조건에 취약하다는 것을 추론하기 위해 기계 학습을 사용하고자합니다. 1, 2, 3, 4로 나타났습니다. 계획에있는 사람들은 1,2로 감염되기 쉽습니다. 따라서 당신이 계획의 일부인 경우 조건 3에