PredictionIO 定制 Universal Recommender
PredictionIO customization Universal Recommender
我想为我们的网站实施通用推荐系统。
我已经成功设置了教程自定义的基本配置。
我们提供的服务是电子商务，用户可以在其中购买、点赞、从 0 到 5 打分以及保存产品等其他操作。
我对如何设置这些感到有点困惑：
- 喜欢/不喜欢；
- 保存/删除；
- 评分。
我知道我可以在事件上附加属性，但我不知道如何为 unlike 和 remove[=34= 设置负权重] 事件。
另外，如果我没有在任何地方设置评估产品的范围，我也不知道算法如何对评级进行加权。
希望大家多多指教
最佳
Universal Recommender 建立在 Correlated Cross-Occurrence 算法的基础上，该算法衡量任意数量的指标与要推荐的操作的相关性。在您的情况下，您希望用户 "buy" 因此您应该将其作为主要事件包括在内——所有其他事件都以此为基础进行比较。
主要事件是
- 购买
这样就产生了次要事件：
- 喜欢
- 不像
- 保存（到购物车？）
- 删除（从购物车中？如果指标不多的话）
- rate（有范围吗？）
您可以猜测低评级意味着 "hate" 和高评级意味着 "love"，抛出 middle/ambiguous 评级并用这两个新事件替换 rate。
如果您没有 "buy"，您可以用 "love" 或 "like" 之类的东西代替主要事件。
将事件分为两种类型的要点是，通用推荐器将测试哪些次要事件与 "buy" 相关，并自动对它们进行加权，以便所有这些事件都可用于推荐.
我想为我们的网站实施通用推荐系统。
我已经成功设置了教程自定义的基本配置。
我们提供的服务是电子商务，用户可以在其中购买、点赞、从 0 到 5 打分以及保存产品等其他操作。
我对如何设置这些感到有点困惑：
- 喜欢/不喜欢；
- 保存/删除；
- 评分。
我知道我可以在事件上附加属性，但我不知道如何为 unlike 和 remove[=34= 设置负权重] 事件。 另外，如果我没有在任何地方设置评估产品的范围，我也不知道算法如何对评级进行加权。
希望大家多多指教
最佳
Universal Recommender 建立在 Correlated Cross-Occurrence 算法的基础上，该算法衡量任意数量的指标与要推荐的操作的相关性。在您的情况下，您希望用户 "buy" 因此您应该将其作为主要事件包括在内——所有其他事件都以此为基础进行比较。
主要事件是
- 购买
这样就产生了次要事件：
- 喜欢
- 不像
- 保存（到购物车？）
- 删除（从购物车中？如果指标不多的话）
- rate（有范围吗？）
您可以猜测低评级意味着 "hate" 和高评级意味着 "love"，抛出 middle/ambiguous 评级并用这两个新事件替换 rate。
如果您没有 "buy"，您可以用 "love" 或 "like" 之类的东西代替主要事件。
将事件分为两种类型的要点是，通用推荐器将测试哪些次要事件与 "buy" 相关，并自动对它们进行加权，以便所有这些事件都可用于推荐.