pet*_*ter 5 recommendation-engine machine-learning collaborative-filtering apache-spark
目前,当一个新用户到来时,我无法更新我的推荐系统,这与未添加用户和项目矩阵有关.我在哪里可以找到这个以及如何做到这一点？谢谢
model.userFactors model.itemFactors
小智 10
计算项目功能和用户功能时,仅准备模型以推荐已知项目和用户.如果您有新的用户/项目,则必须应对冷启动问题.
但有两件事 - 使建议适用于新用户/项目,而另外一件事就是在线附近更新模型(特征矩阵).
为了准备新建/匿名用户的建议,在建立模型时不在输入数据中,你必须准备它的特征向量.该方法是根据已经看到的项目的特征(或者您正在考虑的"喜欢"的任何类型的交互)来准备它,例如,从用户喜欢的那些项目计算每个特征的平均值.或者查看构建匿名用户特征向量的方法的Oryx代码
通过使用折叠技术,例如:用于大规模推荐系统的在线更新规则化核心矩阵分解模型,用于近邻在线更新您的模型(我写近,因为面对它,真正的在线更新是不可能的) . 你可以看看代码:
| 归档时间： |
|
| 查看次数： |
2728 次 |
| 最近记录： |