媒体推荐引擎 - 单用户系统 - 如何开始

Question

我想实现一个媒体推荐引擎。我看到了类似的帖子，但我认为我的要求与那些有点不同，所以在这里发帖。

这是交易。

我想为 VLC 等媒体播放器实现一个推荐引擎，该引擎必须只关心单个用户。例如，它将嵌入到通常由单个用户使用的PC上的媒体播放器中。并且它会开始学习用户的喜好和厌恶，并逐渐了解用户喜欢什么。 在这里，它将无法找到类似的用户来使用他们的数据进行推荐，因为它是单个用户系统。那么这件事该怎么办呢？

或者您可以将其视为必须放入 iPod 中的推荐引擎，它必须了解单个用户并从其收藏中推荐音乐/电影。

用户观看的音乐/电影类型（甚至可能是艺术家姓名）并推荐观看次数最多的类型的电影，但它看起来很粗糙，不是吗？

那么有什么我可以使用的算法或可以参考的资源吗？

问候，

微内核:)

Answer 1

你想要做的事情相当具有挑战性......特别是因为它仍处于研究阶段，并且来自世界各地知名大学的许多博士正在努力为此找到一个好的解决方案。

以下是您可能需要的一些内容：

1. 您可以分析的数据：
   • 大量、大量、大量数据！
   • 它可以是有关媒体的元数据（名称、持续时间、标题、作者、风格等）
   • 或者您可以尝试从媒体本身进行一些疯狂的特征提取。
2. 将数据关联到的参考文献。
   • 由于您无法获得其他用户，因此您始终需要用户反馈。
   • 如果您不想让用户因反馈问题而烦恼不已，请让您的应用连接到中央服务器，以便比较用户。
3. 一种可以很好地对数据进行建模的算法。
   • 如果您完全没有经验，请尝试k-最近邻（最简单的）。
   • 协作过滤
   • 皮尔逊相关性
   • 矩阵分解/分解
   • 奇异值分解 (SVD)
   • 集成学习 <-- 允许您组合多种算法并利用它们的优势优势。

Netflix 奖的获奖者是这样说的：

预测准确度显着提高
混合多个时得到改善
预测因子。我们的经验是
大部分努力应集中在
得出本质上不同的
方法，而不是完善
单一技术。因此，我们的
解决方案是许多的集合
方法。

结论：

推荐引擎没有灵丹妙药，需要多年的探索才能找到产生足够结果的良好算法组合。 :)