나는 'y를 (를) 좋아하는 사람 (y type recommendation system)'과 같은 건물을보고 있었지만 Vogoo를 사용하여보고있었습니다. 코드에 따르면 등급에 따라 가장 가까운 이웃이 많이 있습니다. 나는 대부분의 사람들이 하나가 모든 속도, 또는 5 http://youtube-global.blogspot.com/2009/09/five-st
나는 아이템 - 투 - 아이템 추천 영화를위한 온라인 엔진을 만들고있다. 나는 약간의 연구를했고, 구현하는 가장 좋은 방법은 피어슨 상관을 사용하고 item1, item2 및 상관 필드가있는 테이블을 만들지 만 문제는 각 항목의 비율이 상관 관계를 다시 생성해야한다는 것입니다. 최악의 경우 N 개의 레코드 (N은 항목의 수)에 저장됩니다. 다른 기사는 내가
Amazon의 "X를 보거나 구입 한 고객이 Y/Z도 보거나 구입했습니다"라는 라인을 따라 항목 간 유사성을 계산하려고합니다. 필자가 보았던 모든 예제와 참조는 순위 항목에 대한 컴퓨팅 항목 유사성, 사용자 - 사용자 유사성 찾기 또는 현재 사용자 기록을 기반으로 권장 항목을 찾는 데 사용됩니다. 현재 사용자의 선호도를 고려하기 전에 비 표적 접근 방식으로