作者bmzz (bmzz)
站内Programming
标题[问题] 相似资料寻找
时间Tue Jan 29 17:46:22 2013
小弟工作上有个系统待做，但演算法实在学艺不精，实在苦手，不知
道该用何种演算法做为基础下去研究...请教各位大大。
主要的应用描述是，
底下是1,2,3号使用者「看过」且喜欢的电影类型与片子(英文)
（先不考虑看过但不喜欢的状况）
1 = {恐怖片：[A, B, C, P], 喜剧片：[D, E, F], 爱情片：[J, L, M]}
2 = {动画片：[G, H, I, N], 爱情片：[J, K, L]}
3 = {
恐怖片：[A, B, P], 喜剧片：[D, E, F],
爱情片：[J, L, M, Q], 动画片：[H, I, O]
}
这样可以假设1,3的喜好较为接近，所以我可以推荐3看C这部恐怖片。
（或是把1看过的都推荐给3）
补充一点的是，主角是人，而非物。
我事先有找过recommender system，理解上不知道有没有错误，但这应该
隶属於「People-to-PeopleCorrelation Recommender System」这类。
（其他还有Non-Personalized, Attribute-Based, Item-to-Item..etc)
不过People-to-PeopleCorrelation Recommender System似乎就得看应用
决定使用何种演算法来做..
看了一些演算法，好像又比较接近KNN的概念..
但演算法真的是苦手，KNN目前只找到维度相同的算法，不知是我看的不够深
，还是这是KNN本身的限制..
希望有前辈可以指教一二，给我一个较明确的研究方向。
先谢谢各位=)
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 210.242.250.115
※ 编辑: bmzz 来自: 210.242.250.115 (01/30 14:52)
1F：推 bigpigbigpig:可以查一下 edit distance :) 111.251.231.72 01/30 23:25
感谢大大！看了一下，应该是可以符合我要的应用！
※ 编辑: bmzz 来自: 123.192.185.95 (01/31 02:50)
2F：推 bob123:这是data mining的题目 去看看apriori吧220.132.156.250 01/31 03:40