智能数据处理 - 我应该使用哪种算法？

Question

背景：

我正在尝试建立一个智能信息系统。

以下是我的2个对象：

1. Pub - 每个Pub都有自己的属性，如：大小，酒吧类型，音乐类型，热调酒师等。
2. 饮酒者 - 每个饮酒者都有自己的属性，如：喜欢的音乐类型，最喜欢的饮料等。

我想创建一个能够保存所有饮酒者行为的数据库，比如每次饮酒者去具有特定属性的特定酒吧时添加新的数据行。

问题：

我想创建一个算法来分析饮酒者的行为，并知道根据饮酒者的属性和行为给每个酒吧评分..

是否有某种已知的“智能”算法知道如何处理这类数据？

我想到的解决方案类型（很乐意获得反馈和入门指示）：

• 给每个饮酒者的属性和酒吧的相同属性赋予权重
• 将Pub的属性计算为成绩
• 根据收到的等级对酒吧进行排序并将其显示给饮酒者

我不知道我是否正确的方向 - 但即使我这样做 - 我真的不明白如何开始..

Answer 1

  

是否有某种已知的“智能”算法知道如何处理这类数据？

在开始制定解决方案之前，您需要先确定目标。

所有这些排名活动的目标是什么？你想找到最常去的酒吧吗？最赚钱的？顾客访问时间最长的那个？最愉快的一个？你想用排名做什么？您是否根据饮酒者的财产建议酒吧参观？

Answer 2

您可以进行某种“模拟”。

的饮酒（1）

• 音乐 - 电子

• 饮料 - 啤酒

• 年龄 - 21

酒吧（1）

• 音乐 - 国家

• 饮料 - 只饮酒

• 年龄组 - 40-50

杆（2）

• 音乐 - 电子和摇滚

• 饮料 - 一切

• 年龄组 - 21-30

根据他喜欢的东西类型，饮酒者会给酒吧2提供更高的等级，并且减少酒吧1的费用。

根据酒吧递归所有人。

重视更重要的东西（服务和年龄更重要，然后让餐巾纸说明颜色）然后平均那些结果，这应该给你一个很好的评级特定栏。我会把体重提升到很高的水平。所以你可以动态地改变重要的事情。

Answer 3

我会说一些组合是你最好的选择。你应该考虑的另一个好的方法就是像饮酒者一样分组;鉴于你的算法运行了足够长的时间，它应该能够拼凑出饮酒者A经常使用酒吧B，因此很可能喜欢酒吧B;然后，您可以使用类似于A的饮用者信息并为他们推荐条形图B，或者找到类似于B的条形图供用户A访问。尝试使用简单的匹配算法将用户与酒吧配对是很幼稚的，因为标签只不过是标签，并且需要使用随时间收集的信息来更新和改进其评级。当然要求用户给出评级会大大加快这个过程，但是如果你不想要问，那么算法需要时间来提高准确性。