1. Скорее с обратной стороны, если в отзыве будет 2-3 пункта заполненных, то людям будет не интересно такое читать. Упадет информационная ценность от этого. А человек, который уже решился написать, может потратить еще минуту и заполнить все поля. Но это так, в теории так думаем:-)
Мы долго это обсуждали и пришли к выводу, чтобы от сайта был информационный толк в нем должна быть полнота информации. Короткие отзывы скорее вызовут отторжение от прочтения. А человек мотивированный оставить отзыв, готов написать и побольше.
Ну сразу в голову приходит контр-пример: одежда с рисунком. На практике будет еще куча проблем с текстурами, полосками, разным освещением и т.п.
Нам надо сравнивать не одинаковые изображения похожих масштабов.
Сразу нужно иметь ввиду что вид объекта спереди отличается от вида сбоку. Т.е на самом деле это разные образы, и никакой алгоритм распознавания не скажет что на фотографиях спереди и сбоку один и тот же объект, потому что там разные образы.
Такие алгоритмы существуют, но в нашем случае все упирается в размер обучающей выборки.
Линейный классификатор надо обучить перед использованием, для этого нужно использовать любой метод оптимизации. Преимущества генетического алгоритма перед стандартным решением (SG) я описал.
Еще последнее предложение не понял
Возможно не очень понятно выразился, идея была в том, чтобы использовать, например, SVD для матрицы user-item, затем брать оценку для интересующей нас записи и ее использовать в линейном классификаторе для классификации на {-1, +1}
А может мы сможем найти какие то точки взаимовыгодного партнерства? Мы работает на технологиями персонализации, изучая пользовательские интересы и изменяю под нее выдачу. Вот блог на хабре http://habrahabr.ru/users/favoraim/topics/, вот проект http://favoraim.com/ (там есть о технологиях).
Небольшой лайфхак, если в favoraim.com/ в интересах указать «Стартап» (если вы не в Москве, то Меню-Мое местоположение — Москва) то вы будите постоянно в курсе всех конференция для стартаперов.
2. Спасибо за отзыв. Доработаем.
Нам надо сравнивать не одинаковые изображения похожих масштабов.
Такие алгоритмы существуют, но в нашем случае все упирается в размер обучающей выборки.
Линейный классификатор надо обучить перед использованием, для этого нужно использовать любой метод оптимизации. Преимущества генетического алгоритма перед стандартным решением (SG) я описал.
Возможно не очень понятно выразился, идея была в том, чтобы использовать, например, SVD для матрицы user-item, затем брать оценку для интересующей нас записи и ее использовать в линейном классификаторе для классификации на {-1, +1}