这似乎是一件很奇怪的事情,但是如何通过他/她的推荐来预测某个用户?
示例:
也许,我们正在做一个关于用户电影评分如何随时间变化的实验。
我们在第一年(2019 年)和第二年(2020 年)对相同的用户和电影进行了调查。
但是我们的数据库崩溃了,所以我们只有第二年的用户推荐,但我们不知道是谁给出的推荐。
我们有:第一年的用户推荐矩阵,如下所示:
第二年的用户推荐矩阵,但没有“目标”列:
<小时/>因此,根据第一年的数据,我们希望恢复/预测“目标”列 .
通常,协同过滤用于预测电影评分,但这是一个逆向问题。
协同过滤还能用吗?
如果是,应该与算法进行什么样的交互才能解决问题?
或者是否有其他方法或机器学习算法可以做到这一点?
谢谢!
PS:如果您能附上类似任务的 Python 示例,那就太好了!
很抱歉没有在这篇文章中附加真实的数据和任务,由于很多原因我确实无法做到这一点:)
最佳答案
可能有多种方法可以解决这个问题,但我会将其视为 assignment problem 。您基本上想为用户分配 2020 年的电影评级。为此,您必须:
定义为用户分配电影评级的成本。这可以通过定义 2020 年电影评分和 2019 年电影评分之间的距离函数来完成。一个例子是 L2-Norm(欧氏距离)。因此,将 2020 年电影评分 0 (
[1, 2, 4, 4, 6]
) 分配给用户 id_0 (2019 年评分 =[1, 1, 3, 5, 6]
) 将花费 sqrt(3)使用定义的距离函数构建一个矩阵,反射(reflect)每个用户与 2020 年电影评分的每一行之间的距离(分配成本)
使用 hungarian algorithm 为用户找到 2020 年电影评级的最佳分配(成本最低)。
关于python - 如何使用协同过滤通过用户行为来预测用户?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60076554/