Algorithm “用户”使用的算法是什么;“全球推荐人”;关于Prediction.IO?
下午好 预测.IO上的“通用推荐程序(UR)”使用的名称算法是什么 在这期间我知道了算法 系统建议是“协同过滤”和“基于内容的过滤”Algorithm “用户”使用的算法是什么;“全球推荐人”;关于Prediction.IO?,algorithm,prediction,Algorithm,Prediction,下午好 预测.IO上的“通用推荐程序(UR)”使用的名称算法是什么 在这期间我知道了算法 系统建议是“协同过滤”和“基于内容的过滤” 谢谢 Prediction.io使用Apache Spark MLLib的交替最小二乘矩阵分解方法(ALS)。它是基于用户、基于项目和矩阵分解的协同过滤的基本方法之一。文件可在以下网址找到: 通用推荐模板使用此算法计算“购买”某些“物品”时“经常”出现的“事件”。因子分解的使用并不是《普遍推荐原则》的作者在他们最初的想法中所描述的,相反,他们使用LLR相似性来发现
谢谢 Prediction.io使用Apache Spark MLLib的交替最小二乘矩阵分解方法(ALS)。它是基于用户、基于项目和矩阵分解的协同过滤的基本方法之一。文件可在以下网址找到:
通用推荐模板使用此算法计算“购买”某些“物品”时“经常”出现的“事件”。因子分解的使用并不是《普遍推荐原则》的作者在他们最初的想法中所描述的,相反,他们使用LLR相似性来发现统计上显著的“事件”。我个人怀疑使用矩阵分解和HBase是否合适(改用Redis cluster)。您可以在和上阅读有关Universal Recommender的一般思想,它使用Apache mahout的相关交叉发生(CCO)算法 看看这些
这个答案似乎不准确;prediction.io有几个模板,有些模板使用ALS矩阵分解方法,有些模板根本不使用ALS;相反,它是建立在基于相关共现的共现基础上的,与ALS方法相比,这是一种完全不同的操作。ALS利用潜在因素,这意味着将稀疏用户项矩阵压缩为低秩矩阵,而UR利用对数似然比统计数据来发现不同事件对(如查看、交互、购买等)之间的可信度