Collaborativefilteringwith r
9. 協調フィルタリングの課題 1. データのスパース性・・・データが圧倒的に疎であること。以下の ような問題を引き起こす。 – コールドスタート問題・・・新しいアイテムやユーザが追加された時に 類似のアイテムを見つけるのが難しい問題。 – 少カバー率問題・・・ユーザの評価が少ないアイテムは類似するアイ テム等のレコメンデーションの提示が不可能になること。 – 同類推移問題・・・スパースなデータベースの場合、類似のユーザで あっても、全く同じアイテムを共に評価しないと類似であると判別され ない問題。 2. スケーラビリティ・・・ユーザ・アイテム行列は直ぐに巨大なものに なること。 3. シノニム・・・ほとんど同じだけど異なるとされている商品がレコメ ンド精度を下げる。 4. 灰色の羊・・・複数のタイプの人と一致するあいまいなユーザ、レ コメンドの恩恵にあずかれない人々 5. シリングアタッ
00338-Recommender_Systems.pdf
Encyclopedia of Machine Learning Chapter No: 00338 Page Proof Page 1 22-4-2010 #1 R Recommender Systems Prem Melville, Vikas Sindhwani Machine Learning, IBM T. J. Watson Research Center, Route /P.O. Box , Kitchawan Rd, Yorktown Heights, NY , USA Definition The goal of a recommender system is to generate mean- ingful recommendations to a collection of users for items or products tha
機械での推薦とかいうクソの役にも立たない代物
今、小生はいわゆるデータマイニングなるものの研究をしているが、レコメンデーションなるクソみたいな分野が本当にクソすぎてクソ。 アマゾンの「これを買った人は〜」みたいなものを思い浮かべてくれればいい。何がクソって、評価手法がクソ。 「他の手法より私たちの手法はこんなに優れているよ」というのを何かしらの方法で示すのが評価なわけだが、その方法の主流は ある購入者の過去の購入履歴を見て、ある商品を買った人が次に買った商品をあてて、その精度を競うというもの。 つまり、 「購入者の特性から、ある商品Aを買ったら次は商品Bを買いそうだな。よし、実際に商品Bを買ったという履歴があるので精度100%！」 みたいなことをやるわけだ。 はぁぁぁあぁぁぁぁぁぁっぁぅぅぅうぅぅううっっっ！？？？？？？？？それお前の推薦がなくても買ったってことちゃうんかい！！！！！？？？？？お前の手法超いらねえええええええxじゃああ
奥 健太 - 情報推薦研究ツールボックス
情報推薦研究に役立つデータセットやWebサービスAPI，参考図書をまとめています． 研究用データセット WebサービスAPI 参考図書 研究用データセット 研究用に公開されているデータセットです．利用規約などについては，それぞれのリンク先を参照してください． GroupLens公開データセット MovieLens Data Sets：GroupLensが公開しているMovieLensのデータセット MovieLens 100k Data Set：映画データセット 100,000 ratings, 1,682 movies, 943 users MovieLens 1M Data Set：映画データセット 1,000,209 ratings, 3,900 movies, 6,040 users MovieLens 10M Data Set：映画データセット 10,000,054 rating
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
機械学習の理論と実践
推薦システム-神嶌敏弘.pdf