Matrix Factorization Neuer Benutzer

Question

Kann mir jemand eine Python-Bibliothek (oder einen Papier- oder Quellcode für eine andere Sprache) für meinen Anwendungsfall empfehlen? Dies ist, dass ich eine Reihe von Daten über Benutzer und ihre "Scores" für die meisten ~ 100 Objekte habe. Ich werde Matrix-Faktorisierung an diesen Daten durchgeführt haben und eine Zerlegung in zwei Matrizen latenter Faktoren erhalten haben.

Ich möchte eine Empfehlung Website haben, wo ein Benutzer (ich kann ihre Daten erhalten) ist das Objekt, das mein System denkt, dass sie möchten. Z.B. er hat Punkte von 10 für X und 20 für Y, aber mein System erwartet, dass er Punkte von 20 für x und 20 für Y hat, basierend auf unseren aktuellen Matrizen und den Daten des neuen Benutzers, so dass X als Empfehlung zurückgegeben wird.

Im Wesentlichen, sobald ich eine Matrix-Faktorisierung gelernt habe, wie gehe ich mit neuen Benutzern um? Soll ich die Matrixfaktorisierung für kollaboratives Filtern verwenden? Vielen Dank!

Answer 1

Wenn Sie Python verwenden möchten, PCA Implementierung von scikit zur Verfügung steht. Möglicherweise finden Sie die Verwendung unten;

http://scikit-learn.org/stable/modules/generated/sklearn.decomposition.PCA.html#sklearn.decomposition.PCA

Wenn Sie mit anderen Sprachen in Ordnung sind (da Sie gesagt, „oder ein Papier oder Quellcode für eine andere Sprache“), hier ist ein Beispiel mit Apache Mahout (in Java geschrieben).

ParallelSGDFactorizer factorizer=new ParallelSGDFactorizer(dataModel, numFeatures, lambda, numEpochs); 
SVDRecommender recommender =new SVDRecommender(dataModel,factorizer,new AllUnknownItemsCandidateItemsStrategy()); 
recommender.recommend(1,20);