추천 알고리즘 예제

먼저 가장 인기 있는 선택 사항, 즉 모든 사용자가 동일한 권장 사항을 받는 모델을 기반으로 영화를 추천하는 모델을 빌드합니다. 우리는 이것을 위해 turicreate 추천 기능 인 인기_추천기를 사용합니다. 인기도 모델을 구축한 후 이제 공동 작업 필터링 모델을 빌드합니다. 항목 유사성 모델을 학습하고 처음 5명의 사용자에 대해 상위 5가지 권장 사항을 만들어 보겠습니다. Amazon은 사용자의 검색 기록을 사용하여 항상 해당 제품을 고객의 눈에 있게 유지합니다. 그것은 권장 및 베스트 셀러 옵션에 더 큰 평균으로 제품을 표시 하는 고객의 평가 및 리뷰를 사용 합니다. 아마존은 하나의 제품이 아닌 패키지를 구매하려고 합니다. 당신이 전화를 구입했다고 가정하면, 그것은 당신이 케이스 또는 화면 보호기를 구입하는 것이 좋습니다 것입니다. 그것은 더 이메일에 엔진에서 권장 사항을 사용하고 제품 / 카테고리의 현재 동향에 종사 유지합니다. 소매, 주문형 비디오 또는 음악 스트리밍에서 대규모 추천 시스템을 찾을 수 있습니다.

이러한 시스템을 개발하고 유지 관리하려면 일반적으로 고가의 데이터 과학자와 엔지니어 그룹이 필요합니다. BBC와 같은 대기업도 추천 서비스를 아웃소싱하기로 결정한 이유입니다. 많은 데이터를 포함하는 대부분의 다른 컴퓨터 과학 문제와 마찬가지로 올바른 권장 사항을 얻는 것은 작업할 콘텐츠의 올바른 알고리즘과 적절한 특성을 선택하는 데 많은 영향을 미침입니다. 이 기사를 통해 공동 메모리 기반 추천 엔진에서 사용할 때 어떤 일이 발생하는지 엿볼 수 있기를 바랍니다. Amazon은 이메일 캠페인과 대부분의 웹사이트 페이지에서 추천을 타겟 마케팅 도구로 사용합니다. 아마존은 당신이 검색하는 것에 따라 다른 카테고리에서 많은 제품을 추천하고 당신이 살 가능성이있는 당신의 앞에 그 제품을 당겨. 처럼 `자주 함께 구입` 콤보를 구입에 당신을 유혹 하는 제품 페이지의 하단에 온다 옵션. 이 권장 사항은 평균 주문 가치 증가, 즉 장바구니또는 현재 현장에서 보고 있는 제품 아래에 있는 품목을 기반으로 제품 제안을 제공하여 고객을 상향 판매 및 교차 판매하는 것입니다.

Por
agosto 1, 2019