Professional Documents
Culture Documents
Dịch THTT 10-Hệ Khuyến Nghị
Dịch THTT 10-Hệ Khuyến Nghị
Cá nhân hóa
Đề xuất là các phiên bản của phần mềm cá nhân hóa.
Cá nhân hóa liên quan đến việc thích ứng với nhu cầu, mối quan tâm và sở thích cá
nhân của từng người dùng.
Bao gồm:
giới thiệu
lọc
Dự đoán (ví dụ: hoàn thành biểu mẫu hoặc ứng dụng lịch)
Từ góc độ kinh doanh, nó được xem như một phần của Quản lý quan hệ khách hàng
(CRM).
Học máy và cá nhân hóa
Machine Learning có thể cho phép học mô hình người dùng hoặc hồ sơ của một người
dùng cụ thể dựa trên:
tương tác mẫu
Ví dụ được xếp hạng
Mô hình hoặc hồ sơ này sau đó có thể được sử dụng để:
đề xuất các mặt hàng
Lọc thông tin
Dự đoán hành vi
Lọc cộng tác
Duy trì cơ sở dữ liệu về xếp hạng của nhiều người dùng đối với nhiều mặt hàng.
Đối với một người dùng nhất định, hãy tìm những người dùng tương tự khác có xếp
hạng tương quan chặt chẽ với người dùng hiện tại.
Đề xuất các mục được những người dùng tương tự này đánh giá cao nhưng không
được người dùng hiện tại đánh giá cao.
Hầu như tất cả các nhà giới thiệu thương mại hiện tại đều sử dụng phương pháp này
(ví dụ:Amazon).
Phương pháp lọc cộng tác
Trọng số tất cả người dùng liên quan đến sự tương đồng với người dùng đang hoạt
động.
Chọn một tập hợp con người dùng (hàng xóm) để sử dụng làm công cụ dự đoán.
Bình thường hóa xếp hạng và tính toán dự đoán từ sự kết hợp có trọng số của xếp hạng
của những người hàng xóm đã chọn.
Trình bày các mục có xếp hạng dự đoán cao nhất dưới dạng đề xuất.
Trọng số tương tự
Thông thường sử dụng hệ số tương quan Pearson giữa xếp hạng cho người dùng đang
hoạt động, a và người dùng khác, u.
ra và ru là các vectơ xếp hạng cho m mục được xếp hạng bởicả a và bạn
ri,j là xếp hạng của người dùng i cho mục j
Hiệp phương sai và độ lệch chuẩn
Hiệp phương sai
độ lệch chuẩn