Системы рекоммендаций: введение в гибридные системы

[mefa]

Я был бы очень благодарен, если бы кто-нибудь накинул 3 очка кармы: хочу перенести статьи в публичный блог.

[bobermaniac]

Пожалуйста, темка интересная.

[mefa]

Всем спасибо.

bobermaniac, взаимно )

[CKA]

Подкинул, спасибо за статью, оставлю как инструкцию для будущий поколений.

[Yustos]

Вы сравниваете эффективность одной системы с другой. Как измерялась эффективность систем и качество рекомендаций? Чем, как и в чём?
Есть ли где-то доступная численная статистика/сравнение эффективности известных РС и алгоритмов?
Меня смущаю слова лучше/хуже не подтвержденные фактами.
PS: мог проглядеть критерии эффективности здесь или в предыдущих постах. Направьте, пожалуйста :)

[mefa]

Лично я руководствуюсь двумя параметрами: процент объектов, которые меня действительно заинтересовали, из всех рекомендованных и количество объектов, которые меня заинтересовали, но которые система мне не порекомендовала.

Второй метод оценки эффективности заключается в том, чтобы анализировать все рекомендации, на которые пользователь откликнулся, и смотреть, какая система их всех оказала наибольшее влияние на ее составление. Этот метод описан здесь www.tmrfindia.org/ijcsa/V3I33.pdf

Более описана оценка точности СР на примере рекомендаций ресторанов здесь www.ics.uci.edu/~pazzani/Publications/AIREVIEW.pdf Там также описана динамика изменения точности при комбинировании разных СР.

[Yustos]

Ок, спасибо! Беру на заметку.

[rzykov]

Честно говоря, излишне теоретизировано.
лучше почитать алгоритмы из netflixprize.com, там хотя бы они жизненные.

[cdima]

Приведёшь некоторые хорошие документы? Я нашел некоторые pdf-статьи от победителей, но пока ничего понятного =)

[xa4a]

Сейчас как раз читаю «Programming Collective Intelligence» от O'reilly, 2007. Если кого-то интересует данная тема, то в книге рассмотрено множество подходов и алгоритмов решения, в том числе, и этой задачи. С книгой можно ознакомиться в Google Books. По-моему, достойное чтиво для любого, заинтересованного в machine learning.