我正在创建一个推荐系统，并希望将“相似”用户的评分和项目的特征结合起来。输出是预测等级 [0-1]。我正在考虑使用神经网络（开始）。
因此，输入是项目特征和每个用户评分的组合。对于项目 A 和用户 1，系统可以在组合数据 A1 上进行训练。这将是一个训练示例。
如果用户 1 也评价了电影 B 怎么办？那么数据 B1 也可以作为训练样本吗？以这种方式重复使用用户 1 的特征进行训练有问题吗？
您对解决问题的更好方法有什么建议吗？
如何创建集成协同过滤和内容特征的推荐系统？
机器算法验证
推荐系统
2022-03-30 07:25:40
3个回答
为什么在完全理解问题之前考虑使用神经网络？
用于协同过滤的标准矩阵分解方法能够轻松利用内容特征。有关如何在贝叶斯设置中完成此操作的示例，请参阅Matchbox 论文。
三篇关于将矩阵分解与内容特征相结合的论文（这里是专门的主题模型）：
- Deepak Agarwal 和 Bee-Chung Chen。2010. fLDA：通过潜在狄利克雷分配进行矩阵分解。在第三届 ACM 网络搜索和数据挖掘国际会议论文集（WSDM '10）中。ACM，纽约，纽约，美国，91-100。
- 韩怀山和阿林丹·班纳吉。2010. 用于协同过滤的广义概率矩阵分解。在 2010 年 IEEE 国际数据挖掘会议 (ICDM '10) 论文集上。IEEE 计算机协会，华盛顿特区，美国，1025-1030。
- 王冲和大卫·M·布莱。2011. 用于推荐科学文章的协作主题建模。在第 17 届 ACM SIGKDD 知识发现和数据挖掘国际会议论文集 (KDD '11) 中。ACM，纽约，纽约，美国，448-456。
我也会宣传我自己的博客文章，稍微讨论一下这个问题： Topic Models meet Lantent Factor Models
不需要神经网络方法，协同过滤本身就是一种算法。具体针对您的问题，对 cf 和 recomender system 有很好的描述：
（寻找 XVI：推荐系统）。它优雅、简单，如果你做得对（即使用矢量化形式、快速最小化器和准备好的渐变），它可以非常快。