9 maja miałem okazję zaprezentować w ramach meetupu Warsaw Data Science koncepcję budowy silników rekomendacyjnych. Na realnym przykładzie zbioru filmów omawiałem krok po kroku kolejne etapy budowy mechanizmu rekomendacyjnego wykorzystującego techniki zaczerpnięte z teorii zbiorów rozmytych i logiki rozmytej.
systemy rekomendacyjne
Wykorzystanie zbiorów rozmytych w silnikach rekomendacji
Dla większości osób przy budowaniu mechanizmu rekomendacji algorytmami pierwszego wyboru będą popularne klasyfikatory. Niestety mało kto jednak zna i na co dzień wykorzystuje techniki rozmyte, które dają świetne rezultaty w przypadkach filtrowania opartego o indywidualne preferencje użytkownika (Content-based filtering). Już w najbliższy wtorek podczas prezentacji na Warsaw Data Science #26 omówię ideę działania silnika rekomendacji … Dowiedz się więcej
Dwie alternatywy dla listy top-n elementów w systemie rekomendacyjnym
Większość systemów rekomendacyjnych korzysta z metody przedstawiania wyników rekomendacji w postaci listy n najlepszych (ang. Top-n) elementów. Czy zawsze jest ona optymalna? Czy wiesz jakie niesie ze sobą zagrożenia i jakie są dla niej alternatywy? Zapraszam do przeczytania wpisu 🙂
Silnik rekomendacji filmów
Bardzo popularny temat w środowisku data science: wyznaczanie rekomendacji. Jeśli mowa o rekomendacjach to wybór zbioru danych nie może być inny niż zbiór filmów i ich atrybutów. Klasyka Data Miningu 🙂 Jeśli chcesz zobaczyć proces implementacji zbiorów rozmytych w silniku rekomendacji, to zapraszam do zapoznania się z treścią wpisu.