Filtrowanie na podstawie treści używa funkcji elementów do rekomendowania innych elementów podobnych do tych, które podobają się użytkownikowi, na podstawie wcześniejszych działań lub wyraźnych opinii.
Aby pokazać filtrowanie według treści, zmodyfikujmy niektóre funkcje Sklepu Google Play. Poniższa ilustracja przedstawia tabelę cech, gdzie każdy wiersz przedstawia aplikację, a każda kolumna przedstawia funkcję. Funkcje mogą obejmować takie kategorie jak Edukacja, Zwykła, Zdrowie), wydawca aplikacji i wiele innych. Dla uproszczenia załóżmy, że ta tablica funkcji jest binarna: wartość inna niż 0 oznacza, że aplikacja ma tę funkcję.
Reprezentujesz też użytkownika w tym samym miejscu. Niektóre funkcje związane z użytkownikiem mogą być wyraźnie określone przez użytkownika. Na przykład użytkownik wybierze w profilu opcję „Aplikacje rozrywkowe”. Inne funkcje mogą być niejawne w zależności od wcześniej zainstalowanych aplikacji. Na przykład użytkownik zainstalował inną aplikację opublikowaną przez Science R Us.
Model powinien rekomendować produkty istotne dla tego użytkownika. Aby to zrobić, musisz najpierw wybrać dane dotyczące podobieństwa (np. produkt z kropkami). Następnie musisz skonfigurować system tak, aby oceniał każdą propozycję według tych danych. Rekomendacje są przeznaczone dla tego użytkownika, ponieważ model nie korzystał z informacji o innych użytkownikach.
Korzystanie z kropek jako miary podobieństwa
Weźmy pod uwagę przypadki, w których umieszczanie użytkowników \(x\) i Umieszczanie aplikacji \(y\) są binarnymi wektorami. Ponieważ\(\langle x, y \rangle = \sum_{i = 1}^d x_i y_i\)funkcja pojawia się zarówno w \(x\) , jak i \(y\) wprowadza sumę od 1 do sumy. Innymi słowy, \(\langle x, y \rangle\) to liczba funkcji, które są aktywne w obu jednocześnie. produkt z dużą kropką wskazuje na bardziej typowe funkcje, a tym samym większe podobieństwo.
Spróbuj!
Oblicz cenę produktu w przypadku każdej aplikacji z poprzedniego problemu. Następnie użyj tych informacji, aby odpowiedzieć na poniższe pytanie: