关键字关联学习算法

Question

为了模拟我的问题，我将以约会网站为例（虽然这不是实际情况）。我的问题是我有一组用户可以输入他们喜欢的关键字。说＆＃34;高大的黑发，蓝眼睛＆＃34;等等，我想将它们映射到符合该标准的其他用户。然而，除此之外，我需要能够从我回来的数据中学习，以做出更好的预测，这些预测不是那么精确的匹配。

例如，如果其他用户正在寻找有深色头发的人。比如黑头发的用户，或者身高6到4但不提他们身材高大。我希望能够在这些相似的关键字之间建立关联，并且能够同时建议这些关键字，以便最好地返回用户想要的内容，即使它不是他们所要求的。

我的问题是什么算法/方法最适合这个？我一直在研究像：

这样的领域

• 决策树，但是当没有关键字匹配时，这些似乎会崩溃。
• 天真的贝叶斯，似乎对丢失的连接更加宽容，但需要一些关于连接的先验知识，并且由于关键字可以是任何东西，这似乎是一个道路背景
• ANN，但这些似乎不太适合文字输入
• KNN，但我不确定如何处理可能无限的用户分类？
• 某种A *地图搜索，每次用户1喜欢用户2时，我在用户1的喜欢和用户2的特征之间建立地图连接，如果该连接已经存在，我只是缩短它，然后找到最近的N个用户。我不确定这是多么可扩展。

赞赏任何意见， 谢谢！

Answer 1

这听起来像是association rule learning的一个相当经典的应用：基本上，如果人们寻找像“黑头发”这样的“黑发”的伙伴，那么你们之间就有了一个关联规则。有些算法可以检测到这一点。

至于你的建议，你试过人工神经网吗？人工神经网络根本无法使用文本输入，但对于大多数机器学习+文本任务，您可以将文本转换为数字数据（例如，请参阅单词模型包）。一旦掌握了数字功能，就不应该做得太糟糕了。

例如，您希望您的网络经过培训，根据配置文件设置返回足够的推荐，对吧？您可以将其提供给配置文件设置，如果您有训练数据显示用户正在寻找“黑发”喜欢“黑发”的用户，那么ANN应该了解这种关系。

关联规则听起来像是要走的路。