Machine learning 如何利用时间性强的隐式数据集构建推荐系统?
我有一个数据集,它有,用户,项目和视图,这是用户和项目之间的交互 此数据集与其他推荐数据集的唯一区别在于,项目具有很强的时效性,即项目在某个时间段后到期,不再被考虑。(项目寿命可以从1周到4个月)您可以使用。我写下了我建造这样的房子的经历 关于及时性,您应该只使用活动项来查找建议 例如,工作流的示例如下所示:Machine learning 如何利用时间性强的隐式数据集构建推荐系统?,machine-learning,recommendation-engine,collaborative-filtering,Machine Learning,Recommendation Engine,Collaborative Filtering,我有一个数据集,它有,用户,项目和视图,这是用户和项目之间的交互 此数据集与其他推荐数据集的唯一区别在于,项目具有很强的时效性,即项目在某个时间段后到期,不再被考虑。(项目寿命可以从1周到4个月)您可以使用。我写下了我建造这样的房子的经历 关于及时性,您应该只使用活动项来查找建议 例如,工作流的示例如下所示: 你需要推荐5个项目 您要求系统仅使用活动项向您提供30条建议 然后排除将在未来2天内到期的项目 然后从留守人员中随机抽取5名 谢谢@Danylo的回答。我只在推荐中使用活动项,实际上使用
- 你需要推荐5个项目李>
- 您要求系统仅使用活动项向您提供30条建议李>
- 然后排除将在未来2天内到期的项目李>
- 然后从留守人员中随机抽取5名李>