我正在尝试根据用户意图为用户构建文章推荐系统。每个用户都会选择一个意图。例如：
1-过上健康的生活
2-轻松愉快
3-找工作
4-了解技术
等。我已经说过20个这样的意图了。我从几个博客＆amp;中删除了网页内容网站及其链接。我建议根据选择的意图建议用户的相关链接。 问题：
我认为这可以通过无监督的机器学习算法得到最好的解决。这是正确的方法吗？
解决此问题的可能步骤（需要考虑可扩展性）或algorthms或最佳工具 （我更喜欢python）？我发现genisim库适合这个吗？
答案 0 :(得分：2)
所有评论都是对这一点的答案是正确的：没有办法指定＆＃34;最佳＆＃34;模型一开始。我正在添加这个答案，指出对此背后原因的非技术性讨论：No Free Lunch Theorem for Machine Learning，以及数学讨论here。
希望这些链接对以后遇到此问题的人有用。
答案 1 :(得分：1)
一般来说，除非是非常特殊的用例，否则没有人可以推荐“最佳”算法。
深入思考变量与数据之间的关系。正确的算法要么是明确的，要么是需要实验。没有人能告诉你该用什么。
答案 2 :(得分：1)
正如@Root所说，许多其他人已经证明他们不是唯一适用于所有情况的最佳算法。
您必须构建模型并评估/调整/优化它们并测量它们的准确性。使用具有最高精度的单一算法（您还可以考虑性能，可伸缩性，易于实现的参数）或算法混合（模型集合）作为首选模型。
出现问题，我认为神经网络是这种推荐的算法之一，易于入手。稍后您还可以查找分类树，深度学习等。
我希望这有助于开始。
答案 3 :(得分：0)
首先，你需要了解你在寻找什么，因此要理解问题/目标。你想弄清楚什么？然后非常具体地写下来然后把它变成统计问题。对于前者我希望明天可能下雨。 1）如果您试图预测目标值，那么请去监督学习。 2）如果没有，那么无监督学习。 3）你有什么价值观？离散，分类？ 4）如果您正在寻找是/否类型的答案，那么请进行分类。 5）如果目标值可以是任何数字，那么去回归。 6）如果您没有尝试预测目标值，那么您可以选择无监督学习。 7）您是否尝试将某些值放入离散组中，然后进行聚类。 8）如果你想知道拟合的强度，那么使用密度估计算法。
阅读使用Python / R进行统计学习和机器学习的元素。快乐学习！