推薦演算法:基於情景的推薦
阿新 • • 發佈:2019-01-27
- 預過濾
- 後過濾
- 建模
=>
將使用者和物品放入,特定的情景中,考慮;
消費者的決策,和他當時的心情是相關的;
1. 建模
- 將情景作為附加資料集合
- 從二維推薦到三維
情景的定義
推進系統手冊-P157
*特徵的選擇
@@@Toward optimal featrue selection
@@@Featrue selection for knowledge discovery and data mining
@@@ regreesion analysis by example
- 分層
- 各層次的笛卡爾積
結合情景的推薦
傳統的推薦
結合情景
U∗I∗R−−−>U∗I∗R∗C ……….C是情景的緯度情景推薦的三種形式
- a:情景預過濾:被用來選擇構建資料集合
- b: 情境建模:用來建模
- c: 情境後過濾:針對情景修改
2. 情境預過濾
- 使用情景資訊來構建二維資料集合
* 就是將情景作為條件,過濾資料庫,構成資料集合
3. 情境後過濾
- 針對計算後的資料,使用後過濾
- 過濾無關的推薦
- 調整給定的排名
- 方法: 加權,過濾
4. 情境建模
- 生產多維推薦器
- 通過預測模型(迴歸,分類,決策樹)等方法,
- 將情景資訊和使用者物品資訊融合
@@@Incorporating context into recommender systems suing multidimensional rating estimation methods
啟發式計算
- 計算多維向量的相似度
基於模型
@@@Internet recommendation systems
@@@ Context-aware SVM for context-dependent information recommendation
5. 情景方法的融合
- 選擇最好的
- 組合多種推薦器
@@@Hybird recommender systems: Survey and experiment
@@@Hybird web recommender systems
@@@collaborative filtering by personality diagnosis
@@@ Incorporating contextual information in recommender systems using a multidimensional approach