то есть после первого срока они снова попадаются вместе?
я рассчитал такой вариант — по максимаксу получается лучше молчать обоим, думаю по ожидаемому максимуму получится тоже самое
здесь я учитывал, что игроки на последующих шагах действуют помня как поступил соперник
Вспомнилось как в моей академии(Бывшем артиллерийском училище) рассказывали про одну технологию создания пушек:
берется первый слой, представим его себе в виде колбы
потом покрывается вторым слоем, но так, что бы при остывании второго слоя он начинал давить на первый
так несколько слоев
похоже на User/User систему, её действительно стоит использовать, она позволяет находить некоторые зависимости
учитывают актуальность оценки
одна вещь, которая меня сильно поразила то, что актуальность оценки очень слабо влияет на результат
в timeSVD все оценки зависят от времени, но улучшение точности всего 0.01, и у BellKor примерно такие же результаты
Они пытались на основе оценок и времени построить что-то типа аппроксимирующего сплайна, но эффект также минимален
пробуют формировать карту вкусов пользователя устраивая опросники с косвенными вопросами
вот это действительно может помочь, особенно если найти скрытые факторы
рекомендация подсчитывается комплексно
я пробовал несколько гибридных систем с самыми различными типами информации, но точность улучшить не получилось
не сильно, человек не способен выбрать из большого числа вариантов и в основном использует 3-4 оценки
я точно не проверял, но можно посчитать распределение оценок
в моей статье я рассматривал жанровую РС — у неё низкие показатели.
основной проблемой считаю, что все РС создаются на основе существующих данных. Необходимо сначала узнать решаема ли задача? если решаема, какие данные необходимы для решения? можем ли мы их получить?
а таких исследований я не встречал. РС сейчас не основа, а всего-лишь дополнение.
Возможно наши требования и не обоснованы, но было бы очень удобно. Сейчас приходится использовать RabbitMQ, но он мне не нравится, да и ставить что-то дополнительно тоже не хочется.
Да, проблема сформулировона не правильно. После использования АПИ для баз даннах я думал, что под каждый язык пишется свой клиент и документация для его использования. Статью подправлю.
я рассчитал такой вариант — по максимаксу получается лучше молчать обоим, думаю по ожидаемому максимуму получится тоже самое
здесь я учитывал, что игроки на последующих шагах действуют помня как поступил соперник
как мне кажется задача значительно упращается
берется первый слой, представим его себе в виде колбы
потом покрывается вторым слоем, но так, что бы при остывании второго слоя он начинал давить на первый
так несколько слоев
похоже на User/User систему, её действительно стоит использовать, она позволяет находить некоторые зависимости
одна вещь, которая меня сильно поразила то, что актуальность оценки очень слабо влияет на результат
в timeSVD все оценки зависят от времени, но улучшение точности всего 0.01, и у BellKor примерно такие же результаты
Они пытались на основе оценок и времени построить что-то типа аппроксимирующего сплайна, но эффект также минимален
вот это действительно может помочь, особенно если найти скрытые факторы
я пробовал несколько гибридных систем с самыми различными типами информации, но точность улучшить не получилось
по x — количество используемых оценок
по y — количество пользователей
все не так плохо как я думал
я точно не проверял, но можно посчитать распределение оценок
жаль только, что улучшение всего на несколько сотых.
основной проблемой считаю, что все РС создаются на основе существующих данных. Необходимо сначала узнать решаема ли задача? если решаема, какие данные необходимы для решения? можем ли мы их получить?
а таких исследований я не встречал. РС сейчас не основа, а всего-лишь дополнение.
Для моих задач он слишком наворочен и сложен.
2) в доках не говорится об этом
Таблицы — чтоб sqlщики поняли.