Механизм рекомендаций, использующий google-prediction-api?

На странице API прогнозирования Google говорится, что мы можем использовать ее для рекомендации веб-страниц/продуктов...

Может кто-нибудь показать мне, как, например:

У меня 500 000 подписчиков купили историю

У меня 2 000 000 товаров в 200 разных категориях

У меня есть пользователь X, который только что зарегистрировался, задал ему 15 вопросов о продукте типа "нравится" / "не нравится" (по вкусу пользователя)

Теперь я хочу предложить/рекомендовать пользователю-X список (например, 500) продуктов, которые он, скорее всего, захочет приобрести.

Большое спасибо


recommendation-engine google-prediction
person Samfriend    schedule 03.11.2012    source источник
comment
developers.google.com/prediction/docs/hello_world   -  person greeness    schedule 12.11.2012

Ответы (2)


arrow_upward
2
arrow_downward

Если по какой-либо причине вы не привязаны конкретно к Google API, изучите возможности использования Mahout. Это базовый вариант использования майнинга рекомендаций Mahout.

https://cwiki.apache.org/MAHOUT/itembased-collaborative-filtering.html

person Hari    schedule 23.11.2012

arrow_upward
2
arrow_downward

Google Prediction API, реализованный в настоящее время, отлично подходит для классификации данных по дискретному набору категорий, однако, как указано в документации:

Избегайте высокого отношения категорий к обучающим данным в категориальных моделях. Постарайтесь иметь хотя бы несколько десятков примеров для каждой категории, как минимум. Для действительно хороших прогнозов рекомендуется несколько сотен примеров на категорию.

Классификация Prediction API не работает, когда соотношение категорий и примеров велико, а в набросанном вами примере отношение один к одному, потому что вы пытаетесь найти пользователя, чей список понравившихся продуктов больше всего похож на пользователя. интерес (чтобы найти набор перспективных продуктов для рекомендации). В этой модели каждый пользователь является уникальной категорией.

person Marc Cohen    schedule 15.11.2012