一个推荐系统将测量不同用户的收视率和产量的建议关于这可能是他感兴趣的项目给定用户之间的相关性。
但是,口味会随着时间而变化,因此旧评分可能无法反映当前的偏好,反之亦然。您可能曾经将“优秀”放到一本书中,现在将其评为“不太讨厌”,依此类推。而且,利益本身也会发生变化。
推荐系统如何在不断变化的环境中工作?
- 一种选择是切断“旧”等级,假设您正确定义了“旧”,它可能就可以正常工作(您甚至可以说等级永不过期并假装问题不存在)。但这不是最好的选择:当然,口味会演变,这是正常的生活流程,并且没有理由为什么我们不能使用曾经正确的过去评级的额外知识。
- 另一种选择是以某种方式容纳这些额外的知识。因此,我们不仅可以为您当前的兴趣找到一个“即时匹配”,还可以为您建议您接下来可能喜欢的事情(而不是现在可能喜欢的事情)。
我不确定我是否解释得足够好。基本上,我赞成第二种方法,并且谈论的是一种推荐系统,该系统将测量口味轨迹和产量建议之间的相关性,从而满足个人需求。好吧,我们称之为个人成长-因为它们将来自那些“口味轨迹”(而不仅仅是“口味快照”)与您的相似。
现在的问题是:我想知道是否已经存在类似于“选项2”的东西,如果存在,我想知道它是如何工作的。如果不存在,欢迎您讨论它的工作方式!:)