基于点赞的推荐
Like-based Recommendations
我很好奇基于喜欢的推荐有哪些算法。我的意思是人们可以 "like" 某些东西但他们不能 "unlike" 某些东西。这种场景有什么样的推荐算法。
我有一个想法，但我认为它不可扩展。我的想法是创建一个图表，其中每个可爱的项目都有一个边缘到另一个可爱的项目，边缘容量是同时喜欢这两个项目的用户数量。然后为某个用户提供推荐，扩充图，使用户成为源节点，对用户喜欢的所有项目具有无限边。用户不喜欢的所有项目都具有到目标节点的无限容量的边。然后 运行 使用 Ford-Fulkerson 的最大流量，并且可以根据目的地的边缘流量对建议进行排序。然而，仔细想想，一个包含 1000 个或更多项目的图表很快就会失控。
我考虑过协作过滤器等其他系统，但考虑到没有否决票或多个喜欢程度，我不确定它们是否会很好地工作。因此 "dislike" 与 "haven't liked yet".
无法区分
如果有任何想法或资源，我将不胜感激。
有一些点可以使用：
- "seen and didn't like"和"didn't see"有很大区别。经常把一个"seen and didn't like"当弱"dislike"，然后就可以用协同过滤了
- 您仍然可以根据喜好找到 "similar users"，并根据一组相似的用户（倾向于喜欢相似的事物）- 您可以推荐他们喜欢的项目。如果两个用户喜欢的项目集具有高 Jaccard similarity（例如），则可以确定两个用户 "similar"，并推荐大部分 "similar" 用户喜欢的项目。
您可以搜索文献以寻找更多替代方案，这是最近几年 www conference 上的热门话题，并且新方法总是在不断发展。
我很好奇基于喜欢的推荐有哪些算法。我的意思是人们可以 "like" 某些东西但他们不能 "unlike" 某些东西。这种场景有什么样的推荐算法。
我有一个想法，但我认为它不可扩展。我的想法是创建一个图表，其中每个可爱的项目都有一个边缘到另一个可爱的项目，边缘容量是同时喜欢这两个项目的用户数量。然后为某个用户提供推荐，扩充图，使用户成为源节点，对用户喜欢的所有项目具有无限边。用户不喜欢的所有项目都具有到目标节点的无限容量的边。然后 运行 使用 Ford-Fulkerson 的最大流量，并且可以根据目的地的边缘流量对建议进行排序。然而，仔细想想，一个包含 1000 个或更多项目的图表很快就会失控。
我考虑过协作过滤器等其他系统，但考虑到没有否决票或多个喜欢程度，我不确定它们是否会很好地工作。因此 "dislike" 与 "haven't liked yet".
无法区分如果有任何想法或资源，我将不胜感激。
有一些点可以使用：
- "seen and didn't like"和"didn't see"有很大区别。经常把一个"seen and didn't like"当弱"dislike"，然后就可以用协同过滤了
- 您仍然可以根据喜好找到 "similar users"，并根据一组相似的用户（倾向于喜欢相似的事物）- 您可以推荐他们喜欢的项目。如果两个用户喜欢的项目集具有高 Jaccard similarity（例如），则可以确定两个用户 "similar"，并推荐大部分 "similar" 用户喜欢的项目。
您可以搜索文献以寻找更多替代方案，这是最近几年 www conference 上的热门话题，并且新方法总是在不断发展。