추천 시스템을위한 신경망을 어떻게 훈련합니까?

Question

책 추천 시스템으로 역 전파를 사용하여 ANN을 설정했습니다.

네트워크에 숨겨진 레이어가 하나 뿐이므로 책을 입력하고 더 많은 책을 추천받을 수 있으므로 입력 및 출력 레이어는 모두 책입니다.

도서에 대한 사용자 및 등급 (1 ~ 5)에 관한 많은 데이터가 이미 있습니다. 나는 역 전파 과정을 거치지 않고이 데이터를 신경 네트워크 (모든 가중치 설정)에 넣고 싶습니다. 어떻게 든 기계적으로해라.

각 사용자가 도서관에 약 100 권의 책이 있다고 가정하면 어떻게 책을 저울에 올려 놓을 수 있습니까? 사용자의 라이브러리에있는 책과 사용자의 라이브러리에있는 다른 책은 어떤 관계가 있습니까?

감사합니다.

Answer 1

신경망을 사용하고 싶지 않은 것처럼 들립니다. 나는 신경망이 이러한 종류의 희소 한 특징 공간에서 훈련하기가 더 어렵고 오래 걸리는 것을 발견했다. 당신은 자신의 평점과 유사한 구매를 한 사람들의 평점을 고려해 볼 때 사람들이 좋아할만한 책을 (나는 믿는다) 예측하고 싶습니다.

collaborative filtering을보아야합니다. 나는 당신이 신경 네트워크의 문제를 해결할 수 없다는 말은 아니지만, 당신이 정말로 원할 것이라고 확신하지는 않습니다.

Answer 2

나는 신경 네트워크를 사용하고 싶지 않을 것이라고 동의한다.

일반적으로 ANN을 사용하면 초기 가중치에 임의의 값 (난수 알고리즘을 통해 계산 될 수 있음)이 할당 된 후 훈련 반복을 통해 최적화됩니다.

Fuzzy Logic 이론을 검토해 보았습니까? 내 경험에 비추어 보면 퍼지 로직이이 시스템에 적합 할 수있는 것처럼 들리므로 책 등급을 회원 기능으로 사용하여 추천 할 카테고리/책을 결정할 수 있습니다.

Answer 3

신경망은 문제의 해결책이 아닙니다. 당신이 필요로하는 것은 두 권의 책 사이의 유사성을 측정하는 것입니다. 여기에는 몇 가지 태깅 메커니즘 또는 Dewey Classification System이 포함될 수 있습니다. 그런 다음 사용자가 추천하는 책에는 자신이 좋아하는 책과 더 관련이있는 책이 포함되어야합니다.