如何为推荐系统培训神经网络？

Question

我已经建立了一个带有反向传播的ANN作为图书推荐系统。

我在网络中只有一个隐藏图层，输入图层和输出图层都是图书，因为您应该可以输入图书并接收更多图书推荐。

我已经有很多关于用户及其评分（1到5）的数据。我想让它进入神经网络（设置所有权重），而不必经过反向传播过程。以某种方式更机械地做它。

假设每个用户的图书馆都有大约100本图书，我该如何为他们设置权重？用户图书馆中的图书与用户图书馆中的其他图书有何关联？

感谢。

Answer 1

所以听起来你不想使用神经网络。我发现神经网络更难以在这些类型的稀疏特征空间中进行训练需要更长的时间。你想预测（我相信）一个人可能喜欢的书籍给出了他们的评级以及进行类似购买的人的评级。

你应该看看collaborative filtering。我不是说你不能解决神经网络的问题，但我不确定你真的想要它。

Answer 2

我同意你可能不想使用神经网络。

通常使用人工神经网络，初始权重被分配随机值（可能通过随机数算法计算），之后通过训练迭代对其进行优化。

您是否研究过模糊逻辑理论来解决您的问题？根据我的经验，听起来模糊逻辑可能适合于这种系统，其中书籍评级可以用作会员功能来确定推荐哪个类别/书籍。

Answer 3

神经网络不是您问题的解决方案。你需要的是两本书之间的一些相似度量。这可能包括一些标记机制，或Dewey Classification System。然后，用户的推荐应该包括与他喜欢的书籍更相关的书籍。