अनुशंसाकर्ता एल्गोरिदम

Question

मुझे वेबसाइट के लिए एक अनुशंसाकर्ता एल्गोरिदम एक साथ रखना होगा। मैं इसे प्राप्त करने की एक बहुत ही सरल विधि के साथ आया हूं लेकिन सोच रहा था कि कोई मुझे किसी भी साहित्य की ओर इशारा कर सकता है या ऐसा जो मुझे अन्य उदाहरणों को एक साथ रखने के बारे में बेहतर विचार प्राप्त करने में मदद कर सकता है।

मुझे अपाचे महाउट में सहयोगी फ़िल्टरिंग, क्लस्टरिंग और वर्गीकरण जैसी कार्यक्षमता के बारे में जानकारी मिली है, लेकिन यह नहीं है कि मशीन लर्निंग इस सब में कैसे फिट बैठती है। मैं देख सकता हूं कि उपर्युक्त (मशीन लर्निंग के अलावा) के लिए एल्गोरिदम कैसे बनाना है, लेकिन यह सोच रहा था कि किसी को किसी और चीज के बारे में पता था जिसे मिश्रण में जोड़ा जा सकता है।

इसके अलावा, आप एक सिफारिशकर्ता का उद्देश्य क्या कहेंगे, यह सबसे अच्छा कैसे काम कर सकता है? कोई भी परिभाषा साझा करने के इच्छुक है?

धन्यवाद!

Answer 1

an article है जो विभिन्न एल्गोरिदम को एक साथ रखने और अनुशंसाकर्ता बनाने की विभिन्न संभावनाओं को अस्वीकार करता है। लेखकों ने 37 विभिन्न प्रणालियों और उनके संदर्भों का विश्लेषण किया है, और उन्हें 8 मूल आयामों की सूची में हल किया है।

हालांकि कागज 2003 में प्रकाशित हुआ है और इसके कुछ उदाहरण अब उपलब्ध नहीं हैं, फिर भी यह शोधकर्ताओं के लिए अपनी खुद की सिफारिशकर्ता प्रणाली का निर्माण करने के लिए एक बहुत अच्छा प्रारंभिक बिंदु हो सकता है।

मैं his paper में के रूप में recommender प्रणालियों के रॉबिन बुर्क की परिभाषा साझा करना चाहते हैं:

किसी भी प्रणाली है कि आउटपुट के रूप में अलग-अलग अनुशंसाएं पैदा करता है, या दिलचस्प या करने के लिए एक व्यक्तिगत तरह से उपयोगकर्ता मार्गदर्शक की प्रभाव पड़ता है संभावित विकल्पों की एक बड़ी जगह में उपयोगी वस्तुओं।

Answer 2

अनुशंसाकर्ता प्रणाली आर्टिफिशियल इंटेलिजेंस (विशेष रूप से डेटा खनन) के अंदर एक विषय है, जिसका उद्देश्य उपयोगकर्ताओं को नई वस्तुओं का सुझाव देना है। ये आइटम किताबों, यात्राओं, संगीत इत्यादि जैसे किसी भी प्रकार के हो सकते हैं

यह मुख्य रूप से एक एल्गोरिदम से बना है जो पिछले डेटा (जैसे उपयोगकर्ता वरीयताओं) के कुछ ज्ञान निकालने का प्रयास करने जा रहा है ताकि नए खरीदे जाने योग्य आइटम सुझा सकें ।

इसका व्यापक रूप से नेटफ्लिक्स और अमेज़ॅन द्वारा उपयोग किया जाता है। जब आप वाक्यांश देखते हैं "उपयोगकर्ता जो इसे बोफ करते हैं उन्हें यह भी पसंद आया" यह बेहद संभव है कि एक अनुशंसाकर्ता प्रणाली इसके पीछे है।

क्लस्टरिंग और अन्य समान एल्गोरिदम दृष्टिकोण हैं जो अनुशंसाकर्ता प्रणाली को बेहतर बनाने के लिए उपयोग किए जाते हैं। उदाहरण के लिए, बेहतर परिणाम प्राप्त करने के लिए, आप एक विशिष्ट अनुशंसा प्रणाली लागू करने से पहले उपयोगकर्ताओं को समानता से समूहित करना चाह सकते हैं। इसके लिए आप के-निकटतम पड़ोसी का उपयोग कर सकते हैं।

ये दो लेख आपको विषय को बेहतर समझने में मदद कर सकते हैं: ग्रेग लिंडेन, ब्रेंट स्मिथ और जेरेमी यॉर्क। Amazon.com अनुशंसाएं: आइटम-टू-आइटम सहयोगी फ़िल्टरिंग।

रॉबिन बर्क। हाइब्रिड अनुशंसा प्रणाली: सर्वेक्षण और प्रयोग। उपयोगकर्ता मॉडलिंग और उपयोगकर्ता-अनुकूलित इंटरैक्शन।

Answer 3

अब अनुशंसाकर्ता प्रणालियों पर एक उत्कृष्ट Coursera पाठ्यक्रम है, जो यू मिन्न के जोसेफ कोंस्तान द्वारा प्रदान किया गया है, जो क्षेत्र के अग्रदूतों में से एक है। ये मुफ्त है।यह काफी अच्छा है, सहित recommender प्रणालियों के बुनियादी वर्गीकरण को कवर:

- Rating Systems 
- Content Based Filters 
- Collaborative Systems (User-user and Item-item) 
- Dimensionality Reduction (SVD, its meaning, and how to compute it) 
- Hybrid Systems 

SVD एमएल में वर्गाकार गिर जाता है, और मैं इस मैं कहीं भी देखा है इसमें से अधिकांश सुसंगत और सहज ज्ञान युक्त प्रस्तुति हो पाया - और मैंने देखा है कुछ।

यह भी दिखाता है कि असली दुनिया प्रणाली बनाने के लिए लेंसकिट (एक अकादमिक अनुशंसा प्रणाली टूलकिट) का उपयोग कैसे करें। स्पष्ट रूप से मुझे पाठ्यक्रम पसंद आया, हालांकि मैं उन्हें बेयसियन विधियों को कवर करने के लिए पसंद करता।