当尝试将同一用户可以多次选择(和评分)的项目的选择建模为推荐问题时,我找不到以前工作的参考。
例如,用户 1 可以选择项目 A(并对其进行评分),然后再次选择项目 A(并给它一个不同的评分),然后再次选择项目 A 可以 n 次。然后项目 B 相同,但项目 A 可以再次选择在任何时间点,这可能发生在任何 A、B、C...Z 项目中。这可以以某种方式建模为推荐系统吗?
当在 SO 中被问到时,我被告知即使作为多模式推荐者也无法建模,那么我认为我的问题应该扩展到如何对其建模以预测下一个速率?
当尝试将同一用户可以多次选择(和评分)的项目的选择建模为推荐问题时,我找不到以前工作的参考。
例如,用户 1 可以选择项目 A(并对其进行评分),然后再次选择项目 A(并给它一个不同的评分),然后再次选择项目 A 可以 n 次。然后项目 B 相同,但项目 A 可以再次选择在任何时间点,这可能发生在任何 A、B、C...Z 项目中。这可以以某种方式建模为推荐系统吗?
当在 SO 中被问到时,我被告知即使作为多模式推荐者也无法建模,那么我认为我的问题应该扩展到如何对其建模以预测下一个速率?
我不认为有任何关于这个主题的学术工作,至少我知道。
使用该数据的一种简单方法是使用评级的平均值或其他平均值,例如移动平均值、时间加权平均值、中位数等。
但这种方法可能不是您正在寻找的。
尝试查看具有时间动态的协同过滤方法,您可能会感兴趣。
至于预测下一个利率:
非常简单(一种蛮力)将是一种数据处理方法:将其视为时间序列或滞后模型。所有或一定数量的过去汇率被用作解释当前汇率的输入。将数据输入到您最喜欢的分类器算法中(应该能够处理名义目标变量)。当然,您需要大量的观察。
如果您更喜欢图形方法,则可能需要查看随机字段或序列的马尔可夫模型。
如果这将是一个在线推荐问题,那么图形数据库将提供有效计算最可能的下一个结果的结构和功能。