我在这方面是新手，但我正在考虑推荐系统的制定。让我们以电影推荐系统为例。我们有一个专门用于电影 ID（或名称）的列，一个与用户对每部电影的评分相关的矩阵，以及一个具有电影特征（浪漫、戏剧等）的矩阵——加入一张显示此公式的照片。如果我想使用用户功能来改进我的推荐呢？如果我有每个用户的年龄、职业、收入等信息，我想在我的公式中使用它。但是，如果我包含用户特征，那么这个公式就不再是基于内容的，也不再是协作过滤了。任何人都知道它可以假设什么样的配方？
如何在推荐系统中包含用户特征？
数据挖掘
推荐系统
2022-02-25 04:12:07
1个回答
这被称为边信息。这用于增强推荐系统。
turicreate 是一个很好的协同过滤库（对初学者友好）。看看这个链接。o 总结一下，传统的基本矩阵分解将用户 i 和项目 j 分别编码为向量和因此，用户对看不见的项目的预测分数是：
但是您可以拥有一个更复杂的模型，该模型还将考虑项目和用户的特殊特征：
这增加了模型的容量。