Algorithm 如何优化数据库建议引擎
我正在制作一个在线引擎，用于逐项推荐电影。我做了一些研究，我认为实现这一点的最佳方法是使用pearson相关，并用item1、item2和相关字段制作一个表，但问题是，在每个项目比率之后，我必须重新生成最坏情况下N个记录的相关，其中N是项目数 我读到的另一个想法是这篇文章，但我还没有想到实现它的方法 那么，您对优化这一过程有何建议？还有其他建议吗？Algorithm 如何优化数据库建议引擎,algorithm,optimization,autosuggest,collaborative-filtering,Algorithm,Optimization,Autosuggest,Collaborative Filtering,我正在制作一个在线引擎，用于逐项推荐电影。我做了一些研究，我认为实现这一点的最佳方法是使用pearson相关，并用item1、item2和相关字段制作一个表，但问题是，在每个项目比率之后，我必须重新生成最坏情况下N个记录的相关，其中N是项目数 我读到的另一个想法是这篇文章，但我还没有想到实现它的方法 那么，您对优化这一过程有何建议？还有其他建议吗？ 谢谢。没有最佳的解决方案，但是您可以通过查看堆栈溢出上的协作过滤标签或推荐引擎标签来找到许多建议。目前解决此类购物车问题的方法是使用奇异值分解SVD
谢谢。没有最佳的解决方案，但是您可以通过查看堆栈溢出上的协作过滤标签或推荐引擎标签来找到许多建议。目前解决此类购物车问题的方法是使用奇异值分解SVD。NetFlix大奖的前三名参与者都使用SVD。SVD用于对庞大的乘积*人协方差矩阵进行降维。好消息是，增量方法向数据集添加一些观察值并不意味着重新计算整个矩阵