Презентация на тему Розробка системи для виявлення та доповнення вподобань користувача

даних
Подібність клієнтів - кореляція рядків матриці
Подібність обєктів -

кореляція стовпців матриці

та обєктів
Зберігання профілей замість зберігання всієї матриці
Подібність клієнтів

та обєктів – подібність їх профілей

, які схожі на u0, також купляли I(u0).
Необхідно

разрахувати міру схожості між двома користувачами

користувача
Проблема холодного старту
Необхідність зберігати всю матрицю

з обєктами, які купляв u0, часто купляють I(u0).
Недоліки

ті ж самі , що і у user-based моделі.

, де сам прогноз

складається з суми середньго рейтингу та
зваженого рейтингу реальних користувачів.

Але виникає проблема того , що якщо даних надзвичайно багато , то кожного разу ми повинні рахувати суму по всіх користувачах.

, що значно зменшує кількість доданків , адже ми

не повинні рахувати суму по всіх користувачах , а лише тих , що знаходяться “близько” до користувача.

виставили фільмам , котрі вже подивились.


Необхідно спрогнозувати оцінки

, які користувачі виставили б іншим фільмам.
Порукомендувати те , що їм сподобається.

Задача :

параметрів :
Movie#
Customer#,Rating,Date of Rating
Customer#,Rating,Date of Rating
Customer#,Rating,Date

of Rating
Example
4:
1065039,3,2005-09-06
1544320,1,2004-06-28
410199,5,2004-10-16

фільми

фільми

користувачі

Прогноз