현재 LightFM이라는 Python 라이브러리를 사용하고 있습니다. 하지만 fit() 메서드에 상호 작용을 전달하는 데 문제가 있습니다. 파이썬 버전 3 라이브러리 : 상호 작용 (형상 np.float32 coo_matrix [n_users, N_ITEMS]) - 매트릭스 : i는 다음과 같은 유형의 희소 행렬을해야 http://lyst.github.io
나는 사용자 ID, 아이템 ID, 등급의 스파크 데이터 프레임을 가지고 있습니다. 추천 시스템을 구축 중입니다. 데이터는 다음과 같습니다 originalDF.show(5)
+----+----+------+
|user|item|rating|
+----+----+------+
| 353| 0| 1|
| 353| 1| 1|
| 353| 2| 1|
항목 기반 협업 필터를 사용하여 레스토랑 권장 사항을 만드는 권장 엔진을 만들고 있습니다. 각 레스토랑마다 등급이 1-5 인 리뷰가 있습니다. 모든 권장 알고리즘은 데이터 희소성 문제로 인해 어려움을 겪고 있으므로 정확한 상관 관계를 계산하는 솔루션을 찾고있었습니다. 나는 레스토랑 간의 조정 된 코사인 유사성을 사용하고 있습니다. 레스토랑 간의 유사성을 계
맞춤형 페이지 순위 알고리즘과 그 작동 방식에 대해 저를 감싸 주려고했습니다. 나는이 그래프를 나타내는 this paper을 보았습니다 : see link to image below의 무게를 PPR로 계산했습니다. 그들이 제공하는 모델로 계산을 재현하는 데 어려움이 있습니다. 개념을 둘러싼 나를 감싸는 데 도움을 줄 사람이 누구라도 될 수 있습니까? 감사합
추천 시스템을 만드는 데 필요한 교육을 받고 있습니다. 사이트에서 데이터를 가져옵니다. http://grouplens.org/datasets/movielens/ import numpy as np
import pandas as pd
header = ['user_id', 'item_id', 'rating', 'timestamp']
df = pd.read_
graphaware로 사용자 기반 권장 사항을 얻고 싶습니다. 어떻게 해야할지 모르겠습니다. 내가 볼 수있는 한, graphaware의 neo4j-reco에서 얻은 것 모두는 '구입 한 사람을 산 사람'과 같은 항목 유사점입니다. 그러나 내가 관심을 갖는 것은 '이전 구매를 기반으로 추천'과 같은 사용자 기반 권장 사항입니다. 그걸 어떻게하는 지 아는가?
추천 시스템에서 반환 한 점수를 해석하는 방법을 알고 싶습니다. 말하자면, 1-5 개의 별을 사용하여 사용자와 도서간에 상호 작용이 있습니다 (최대 5 개). 테스트 데이터 세트에 대한 평가를 실행하고 경우에 따라 교육 데이터 세트의 최대 점수보다 5.9를 더한다고 가정합니다. 견적을 무시해야합니까? 나는 점수에 대한 임계 값을 찾아서 최선의 권장 사항만을
권장 사항을 작성하기위한 스파크 프로그램을 작성합니다. 그런 다음 ALS.recommendation 라이브러리를 사용했습니다. 두 번째는 사용자들에 의해로 평가 항목을 포함하고 세 번째는 등급을 포함, (u1, m1, 1)
(u1, m4, 1)
(u2, m2, 1)
(u2, m3, 1)
(u3, m1, 1)
(u3, m3, 1)
(u3, m4,
레스토랑을 검토 할 수있는 플랫폼에 대한 권장 사항을 생성하는 알고리즘을 만들고 있습니다. 따라서 데이터베이스는 '사용자', '레스토랑'및 '리뷰'의 세 테이블로 구성됩니다. 리뷰의 평점은 1-5입니다. 각 레스토랑은 여러 개의 리뷰를 가질 수 있으며 사용자는 여러 개의 리뷰를 가질 수 있습니다. 리뷰에는 1 명의 사용자와 1 개의 레스토랑 만있을 수 있습