我读过的大多数推荐算法文章都集中在用户评价项目的Netflix模型上。我想做的是略有不同（我认为）。
让我们说相反，我想创建一个网站，向用户展示两张汽车图片。然后，用户可以选择他们更喜欢哪辆车。用户可以像他/她喜欢的那样多次重复这个过程，但希望随着他们的继续，图片会变得越来越精致，以满足用户的喜好。
您将如何实施此算法？似乎一种可能的方式只是实现ELO排名算法并使用这些结果的顺序作为“评级”，但是存在严重的缺陷，因为多个项目不能被给予最大评级（用户可以如果能够对物品本身进行评级，那就已经完成了。）
对我来说似乎更有希望的另一种方法是预先确定每辆车的一般属性（例如颜色，车身类型，2门对4门等）并使用它们来了解属性的一般概念每个用户都喜欢并提出建议。
答案 0 :(得分：1)
我会捅这个。
假设每辆车都有一组属性。如果这组属性被编码为矢量，一种可能的推荐方法是使用自组织映射（SOM）。 SOM的基本要点是输入向量的分类器。如果使用表示不同输入类别的输入向量训练SOM，SOM将开始将其存储向量聚类为更类似于每类输入。请注意，不保留原始输入向量。为了训练具有输入矢量的SOM，拾取当前在SOM中的最佳矢量，然后该矢量周围的区域变得更像输入。当然，请参阅维基百科http://en.wikipedia.org/wiki/Self-organizing_map。
那么这如何适用于这种情况呢？好吧，一个SOM可以用来训练人们喜欢的图像，一个人可以接受他们喜欢的图像训练。即使没有他们喜欢的单一风格，群集也应该围绕他们喜欢/不喜欢的汽车形成。然后看看他们是否喜欢一辆没有被他们挑选过的汽车，那就是找出它与喜欢和不喜欢的团体相匹配的程度。请注意，在这种情况下，最好匹配彼此不相似或更不可能同时受欢迎的汽车。
当这个人第一次加入该网站时，允许他们立即从蝙蝠中挑选一些喜欢和不喜欢的东西来播种SOM可能是有利的。
祝你好运！答案 1 :(得分：0)
Maby回答有点太晚，但你可能想检查一下this。这是关于麻省理工学院教授认为5星评级，像评级等不起作用，他提出了一种算法，可以按照你的建议（Car A或Car B）成对使用输入。 算法非常复杂，但可以在链接上找到。