Биология - Slope One - Коллаборативная фильтрация по предметам на основании статистики покупок
19 мая 2011Оглавление:
1. Slope One
2. Фильтрация по схожести предметов и переобучение
3. Коллаборативная фильтрация по предметам на основании статистики покупок
4. Коллаборативная фильтрация Slope One для предметов с оценками
5. Рекомендательные системы, использующие Slope One
Далеко не всегда у пользователей есть возможность выставлять оценки предметам. То есть для коллаборативной фильтрации могут быть доступны всего лишь двоичные данные. В таких случаях Slope One и другие алгоритмы, зависящие от оценок предметов, неэффективны.
Примером алгоритма коллаборативной фильтрации по предметам, работающего с двоичными данными, является запатентованный алгоритм Item-to-Item использующийся в онлайн-магазине Amazon. Этот алгоритм рассчитывает подобие предметов как косинус между векторами покупок в матрице пользователей и предметов:
Этот алгоритм, возможно, даже проще чем Slope One. Рассмотрим его работу на примере:
Покупатель | Предмет 1 | Предмет 2 | Предмет 3 |
---|---|---|---|
Джон | Купил | Не покупал | Купил |
Марк | Не покупал | Купил | Купил |
Люси | Не покупала | Купила | Не покупала |
В этом случае косинус между «Предмет 1» и «Предмет 2» рассчитывается так:
,
между «Предмет 1» и «Предмет 3»:
,
и между «Предмет 2» и «Предмет 3»:
.
Таким образом, пользователь, находящийся на странице описания «Предмета 1», получит «Предмет 3» в качестве рекомендации; на странице «Предмета 2» «Предмет 3» и на странице «Предмета 3» «Предмет 1». В данном алгоритме используется один коэффициент на каждую пару предметов, на основании которого и создаются рекомендации. То есть для n предметов потребуется рассчитать и сохранить n/2 косинусов.
Просмотров: 12393
|