关键词联想学习算法
Keyword association learning algorithm
为了模拟我的问题，我将使用约会网站作为示例（尽管这不是实际情况）。我的问题是我有一组关键字，用户可以输入他们喜欢的关键字。说 "Tall, dark hair, blue eyes" 等，我想将它们映射到符合该条件的其他用户。然而，不仅如此，我还需要能够从我返回的数据中学习，以便在不那么精确匹配的情况下做出更好的预测。
例如，如果正在寻找 'dark hair' 的人的其他用户喜欢 'black hair' 的用户，或者身高为 6'4 但不提及他们很高。我希望能够在这些相似的关键字之间建立关联，并且也能够建议这些关键字，以便最好 returns 用户想要什么，即使这不是他们所要求的。
我的问题是什么 algorithm/approach 最适合这个？我一直在研究以下领域：
- 决策树，但当没有关键字匹配时，它们似乎会崩溃。
- 朴素贝叶斯，它似乎对丢失的连接更能容忍一些，但需要一些关于连接的先验知识，而且由于关键字可以是任何东西，这似乎是一个障碍
- ANN，但这些似乎不太适合文本输入
- KNN，但我不确定如何处理可能无限的用户分类？
- 某种 A* 地图搜索，每次用户 1 喜欢用户 2，我在用户 1 的喜欢和用户 2 的特征之间建立地图连接，如果该连接已经存在，我就缩短它，然后找到最接近的 N用户。我只是不确定它的可扩展性如何。
欢迎任何意见，
谢谢！
这听起来像是 association rule learning 的一个相当经典的应用：基本上，如果寻找具有 'dark hair' 的合作伙伴的人喜欢很多 'black hair' 个帐户，那么你有一个关联规则他们俩。有算法可以检测到这一点。
至于你的建议，你试过ANN吗？人工神经网络根本不适用于文本输入，但对于大多数机器学习 + 文本任务，您可以将文本转换为数字数据（例如，参见词袋模型）。一旦你有了数字特征，它们就不会做得太差。
例如，您希望您的网络经过培训，能够根据个人资料设置 return 提供足够的建议，对吧？您可以为它提供个人资料设置，如果您有训练数据显示用户正在寻找 'dark hair' 的人喜欢 'black hair' 的用户，ANN 应该了解这种关系。
关联规则听起来很不错。
为了模拟我的问题，我将使用约会网站作为示例（尽管这不是实际情况）。我的问题是我有一组关键字，用户可以输入他们喜欢的关键字。说 "Tall, dark hair, blue eyes" 等，我想将它们映射到符合该条件的其他用户。然而，不仅如此，我还需要能够从我返回的数据中学习，以便在不那么精确匹配的情况下做出更好的预测。
例如，如果正在寻找 'dark hair' 的人的其他用户喜欢 'black hair' 的用户，或者身高为 6'4 但不提及他们很高。我希望能够在这些相似的关键字之间建立关联，并且也能够建议这些关键字，以便最好 returns 用户想要什么，即使这不是他们所要求的。
我的问题是什么 algorithm/approach 最适合这个？我一直在研究以下领域：
- 决策树，但当没有关键字匹配时，它们似乎会崩溃。
- 朴素贝叶斯，它似乎对丢失的连接更能容忍一些，但需要一些关于连接的先验知识，而且由于关键字可以是任何东西，这似乎是一个障碍
- ANN，但这些似乎不太适合文本输入
- KNN，但我不确定如何处理可能无限的用户分类？
- 某种 A* 地图搜索，每次用户 1 喜欢用户 2，我在用户 1 的喜欢和用户 2 的特征之间建立地图连接，如果该连接已经存在，我就缩短它，然后找到最接近的 N用户。我只是不确定它的可扩展性如何。
欢迎任何意见， 谢谢！
这听起来像是 association rule learning 的一个相当经典的应用：基本上，如果寻找具有 'dark hair' 的合作伙伴的人喜欢很多 'black hair' 个帐户，那么你有一个关联规则他们俩。有算法可以检测到这一点。
至于你的建议，你试过ANN吗？人工神经网络根本不适用于文本输入，但对于大多数机器学习 + 文本任务，您可以将文本转换为数字数据（例如，参见词袋模型）。一旦你有了数字特征，它们就不会做得太差。
例如，您希望您的网络经过培训，能够根据个人资料设置 return 提供足够的建议，对吧？您可以为它提供个人资料设置，如果您有训练数据显示用户正在寻找 'dark hair' 的人喜欢 'black hair' 的用户，ANN 应该了解这种关系。
关联规则听起来很不错。