基于同一的建议书

Question

我很好奇有什么算法可以用于基于类似的推荐。我的意思是人们可以“喜欢”某些东西，但他们不能“不喜欢”某些东西。对于这种情况，有哪种推荐算法。

我有一个想法，但我认为它不具备可扩展性。我的想法是创建一个图表，其中每个可爱项目都具有彼此可爱项目的边缘，其边缘容量是喜欢两个项目共同的用户数量。然后，为了为某个用户提供建议，您可以扩充图形，以便用户是一个源节点，对用户喜欢的所有项目具有无限边缘。用户不喜欢的所有项目都具有到目标节点的无限容量的边缘。然后使用Ford-Fulkerson运行最大流量，并根据目的地的边缘流量对建议进行排序。但是，在考虑它之后，包含1000个或更多项目的图表很快就会失控。

我已经考虑过其他系统，比如协作过滤器，但我不确定它们是否会很好地工作，因为没有投票或多重喜欢。因此，“不喜欢”与“尚未喜欢”无法区分。

我很感激任何想法或资源。

Answer 1

您可以使用以下几点：

1. ＆＃34;看到和不喜欢＆＃34;到＆＃34;没有看到＆＃34;。通常，＆＃34;看到和不喜欢＆＃34;被用作弱者＆＃34;不喜欢＆＃34;，然后你可以使用协同过滤。
2. 你仍然可以找到类似用户＆＃34;基于喜欢，并基于一组类似的用户（他们喜欢类似的东西） - 你可以建议他们喜欢的项目。您可以确定两个用户是＆＃34;类似＆＃34;如果他们喜欢的项目集合具有较高的Jaccard similarity（例如），并推荐大部分＆＃34;类似的＆＃34;用户。

您可以在文献中搜索更多替代方案，这是过去几年www conference的热门话题，新方法也在不断发展。