الرياضيات :: التفضيل :: SVD الرياضيات :: Treference :: SVD هو محرك تفضيل / توصية يعتمد على تحلل قيمة واحدة (SVD).
التحميل الان

الرياضيات :: التفضيل :: SVD الترتيب والملخص

الرياضيات :: التفضيل :: SVD العلامات

- الوحدة النمطية بيرل محرك التوصية تحلل قيمة واحدة SVD توصية

الرياضيات :: التفضيل :: SVD وصف

الرياضيات :: الأفضلية :: SVD هو محرك تفضيل / توصية يعتمد على تحلل قيمة واحدة (SVD). الرياضيات :: تفضيل :: SVD هو محرك تفضيل / توصية بناء على تحلل قيمة واحدة (SVD) .Synopsis استخدام الرياضيات :: تفضيل :: SVD؛ بلدي $ x = الرياضيات :: التفضيل :: SVD-> جديد؛ بلدي users = (0..3)؛ My Movies = (0..3)؛ MyRatings = (خريطة ({ users)، # * الجميع * يقول البند 0 تم تصنيف 4 خريطة ({ users)، # * الجميع * يقول البند 1 مقدرا 5 خريطة ({ usersers)، # * الجميع * يقول البند 2 مقدرا 1 خريطة ({ users)، # * الجميع * يقول البند 3 مصنفة 2)؛ $ x-> set_ratings (ratings،)؛ بالنسبة إلى $ $ cust (users) {for move $ movie (movies) {# prodict_rating () يأخذ movie_id ثم cust_id - نعم، # هذا يبدو إلى الوراء بالنسبة لي أيضا بلدي $ المتوقع = sprinth " 1.2f"، $ x -> التنبؤ_إقلاع (فيلم $، $ Cust)؛ طباعة "Cust $ Cust يقول عن فيلم $ الفيلم: تنبأ: $ المتوقع"؛ }} تعتمد هذه الوحدة على "محرك التفضيل" بسيط بناء على إحدى الإدخالات إلى مسابقة جائزة Netflix. محركات التفضيلات تأخذ بيانات تصنيف المستخدمين للعناصر ومحاولة التنبؤ بتصنيف المستخدم للعناصر الأخرى بحيث قد يجد النظام واقتراح لهم بأشياء أخرى من المحتمل أن نشتريها أو الاستمتاع بها. تخفيض قيمة Devoposition كبيرة من البيانات المستطيلة يتحللها في مصفوفين، واحدة طالما البيانات وواحدة على نطاق واسع، والتي تقارب المصفوفة الأصلية. هنا وهناك. ثم يفعل ذلك مرة أخرى، بدءا من الخطأ الذي تركه المجموعة الأولى من المصفوفات، مما يجعل مجموعة ثانية من المصفوفات الطويلة والواسعة. ثم يفعل ذلك مرة أخرى. والنتيجة هي سلسلة من المصفوفات التي يمكن ضربها معا، وقد بلغ مجموع مخرجاتها، لإعادة بناء الأصل الأصلي تقريبا. قد يكون للمصفوفة الكبيرة المدخلات، على سبيل المثال، عملاء في الأعمدة والأفلام في الصفوف، مع البيانات المملوءة هنا وهناك لتحديد تصنيف العميل لهذا الفيلم. يمكن التفكير في كل مجموعة من المصفوفات، مع طول طويل القامة (للأفلام) وسرعة (للعملاء)، على أنها تحتوي على معلومات حول بعض السمة الملموسة للأفلام التي يتم تصنيفها وكيف يشعر المستخدم بهذه السمة. راجع المراجع أدناه للحصول على مثال رائع للأسماء الثلاثة الأولى المستخرجة من بيانات جائزة Netflix. هذا هو المكان الذي يأتي فيه بت التعليق التوصية - يمكنك أن تسأل شيئا عن التصنيفات من قبل العميل الذي لم يصنعه العميل أبدا، وسوف يتضاعف بشكل مستيقظ ميزات العميل مقابل ميزات الفيلم للميزات المختلفة، وإضافها، وتعطيك تصنيف متوقع لهذا الفيلم لهذا المستخدم. عن طريق التكرار فوق جميع الأفلام (وأنا أقول الأفلام، ولكن يمكن للمستخدم أن يكون تقييم أي شيء، بما في ذلك المستخدمين الآخرين) وطلب التنبؤ لمستخدم معين لهذا الفيلم، وفرز النتائج، يمكنك التوصل إلى قائمة توصيات أنه أو هي أو أنها قد ترغب. متطلبات: perl.

الرياضيات :: التفضيل :: SVD برامج ذات صلة