-
コンテンツベースの推奨とドメインベースの推奨
- 最も広範囲
-
ドメインベースのアルゴリズムは2つのカテゴリに分類されます。
- ユーザーベースの協調フィルタリング
- アイテムベースの協調フィルタリング
- 以前好きだったアイテムに似ているアイテムを直接ユーザーにすすめます。
-
この章では、コンテンツベースの推奨事項とドメインベースのアルゴリズムを紹介します
-
上記のアルゴリズムを使用すると、コールドスタートする可能性があります
- ディープラーニングと組み合わせる
- この章では、いくつかのディープラーニングアルゴリズムを使用して、コールドスタートの問題を解決します
4.1コンテンツベースの推奨アルゴリズム
- コンテンツベースの推奨システムの本質は、コンテンツを分析して特性を確立することです。
- 推奨は、ユーザーが興味を持っている特性とコンテンツの特性に基づいています。
- 最初の部分：コンテンツベースの推奨システムの基本的な概念とプロセス、およびその主な利点と欠点。
- パート2：非構造化情報からアイテムの特性を抽出して、コンテンツベースの推奨事項を改善する方法。
4.1.1コンテンツベースの推奨アルゴリズムの基本的な流れ
- コンテンツベースの推奨事項
- これらのアイテムのコンテンツ属性とユーザーの履歴スコアまたは操作レコードに従って、
- さまざまなコンテンツ属性に対するユーザーの設定を計算し、これらの設定に従って同じ属性を持つ他のアイテムを推奨します。
- （表4.1を参照）、各映画が愛とSFの属性で構成されていると仮定します。
- A vs.「ガーディアンズオブギャラクシー」、「トランスフォーマー」、「スタートレック」のSF平均4.7
- Sansheng III「Mermaid」と「Beijing Meets Seattle」の平均的な愛
- AはSF映画を好む
- 推奨システムがAが独立した日に得点すると予測した場合、
- すべてのSF映画の平均スコア4.7に置き換えることができます
- 7月にAとAnshengが2.3ポイントを獲得したと予測できるため、推奨システムはAからAへの推奨を優先します。
- Bの場合、恋愛映画の平均スコアが高いため、推奨システムはSansheng IIIをBに推奨します
- 多くのビデオアプリには同様のコンテンツベースの推奨方法があります。図4.1を参照してください
