通过用户评级调整神经网络权重

Question

我对NN真的很陌生，我试图在我的推荐系统中实现它，为用户提供有关用户相似性的建议。 事实上，我通过不同的参数有4个不同的用户相似度，并且我使用权重来确定每个相似度在总相似度中的重要性。

区域相似性= 0.5，weightRegion = 0.6

兴趣相似度= 0.3，weightInterest = 0.8

教育相似度= 0.75，weightEducation = 1.1

位置相似度= 0.6，weightPositions = 1.5

所以计算总相似度乘以和除以权重之和：（0.5 * 0.6 + 0.3 * 0.8 + 0.75 * 1.1 + 0.6 * 1.5）/ 4 //除以权重之和，将参数放入{0..1} 所以我需要通过用户评级控制这些权重（用户点击评分从1到10，权重r校正）

我已经建立了这样的NN：

所以我正在做的是： n = 0.25（学习k）; 评级= 0.7（这是我的7评级）;

NET5 = X1 * W15 + X2 * W25 + X3 * W35 + X4 * W45;

OUT5 = 1 /（1-POW（E，-net5））;

真实= OUT5 *（1 + 1-等级）;

ERR = OUT5 *（1-OUT5）*（实OUT5）;

w15n = W15 + ERR 名词 X1;

w25n = W25 + ERR 名词的X2;

w35n = W35 + ERR 名词 X3;

w45n = W45 + ERR 名词 X4;

（即使代码格式化，它仍然说它没有正确格式化）

我做错了什么？导致这种纠正的结果根本不好。 感谢

Answer 1

我认为你走错了路。反向传播不是这种学习的好选择（以某种方式增量学习）。 要使用反向传播，您需要一些数据，例如1000个数据，其中不同类型的相似（输入）和真相似性（输出）。然后权重将更新并更新，直到错误率降低。此外，您还需要测试数据集，这将确保结果网络即使在训练期间没有看到的相似值也能表现良好。