2017-03-27 1 views
0

묵시적 피드백과 명시 적 피드백 중 어느 것이 내 장면에 적합한 지 혼란 스럽습니다. 필자는 14 백만 명의 고객과 1,000 만 개의 제품을 보유한 회사 (전자 상거래)를위한 실질적인 시스템을 만드는 경향이 있습니다. 그러나 명시적인 등급 데이터는 2.2M 고객과 1.5M 제품만을 대상으로합니다. 지난 1 년간 700 만 명의 고객이 37 백만 개의 제품을 구매했습니다. 그래서 혼란 스러우면 명백한 피드백 기반의 rec 시스템을 구축하는 것이 의미가 있습니까?내 장면에서 명시 적 피드백 공동 작업 필터링 기반 녹화 시스템을 구성하는 것이 의미가 있습니까?

답변

1

대답은 예와 아니요 모두 잘됩니다. 주로 추천 시스템의 목적과 고객에게 권장 사항을 전달하는 방법에 따라 다릅니다. 두 경우 모두 해결할 냉 기 시작 문제가 생기므로 제공하는 숫자는 결정에 많은 영향을 미치지 않습니다.

명시 피드백

  • 항상 사용할 수 적은 데이터를해야합니까
  • 이 (넷플릭스의 싱크 별) 쉽게 고객에 대한 예측을 보여주는 만든다 깨끗한 신호이기 때문에 데이터는 일반적으로 더 유용합니다

암시 적 피드백

  • 항상 더 많은 데이터를 사용할 수 있지만해야합니까 거의 결코 모든 고객 및 제품
  • 여전히 화려한 권장 사항을 제공 할 수 있지만,이에 어렵 잡음이 될 가능성이 있지만 반드시 덜 유용하지
  • 데이터에 대한 데이터 고객에게 권장 사항이 만들어진 이유를 설명하십시오. 이것은 일반적으로 요구 사항이 아닙니다.

진짜 대답

자세히 문제에서 봐, 좋은 일 무슨 주위에 가설을 구성. 선량을 측정하는 방법을 정의하고 (Google은 아이디어에 대한 추천 시스템 평가)이 평가를 구현합니다. 실험 해보십시오! 두 가지 접근 방식을 모두 시도해보고 작동하는 것과 그렇지 않은 것에 대한 느낌을 얻으십시오. 무엇보다 중요한 것은 무엇이 작동하는지 또는 작동하지 않는지 파악하는 것입니다. 1, 2 주 이내에 기업 고객에게 중요한 요소에 대해 좋은 느낌을 갖기 시작해야하며 더 많은 아이디어를 얻을 수 있습니다. 아마도 암시 적 및 명시 적 모두를 사용하고 어떻게 든 결합 할 것입니다 (Google "하이브리드 권장 시스템").

+0

감사합니다. 나는 당신의 참고 문헌을 읽을 것입니다. CF에 대한 암시 적 피드백 데이터 세트를 적용하는 방법에 대해 너무 많은 논문이 나오지 않는 것 같습니다. – yanachen

관련 문제