作者bmzz (bmzz)
站內Programming
標題[問題] 相似資料尋找
時間Tue Jan 29 17:46:22 2013
小弟工作上有個系統待做，但演算法實在學藝不精，實在苦手，不知
道該用何種演算法做為基礎下去研究...請教各位大大。
主要的應用描述是，
底下是1,2,3號使用者「看過」且喜歡的電影類型與片子(英文)
（先不考慮看過但不喜歡的狀況）
1 = {恐怖片：[A, B, C, P], 喜劇片：[D, E, F], 愛情片：[J, L, M]}
2 = {動畫片：[G, H, I, N], 愛情片：[J, K, L]}
3 = {
恐怖片：[A, B, P], 喜劇片：[D, E, F],
愛情片：[J, L, M, Q], 動畫片：[H, I, O]
}
這樣可以假設1,3的喜好較為接近，所以我可以推薦3看C這部恐怖片。
（或是把1看過的都推薦給3）
補充一點的是，主角是人，而非物。
我事先有找過recommender system，理解上不知道有沒有錯誤，但這應該
隸屬於「People-to-PeopleCorrelation Recommender System」這類。
（其他還有Non-Personalized, Attribute-Based, Item-to-Item..etc)
不過People-to-PeopleCorrelation Recommender System似乎就得看應用
決定使用何種演算法來做..
看了一些演算法，好像又比較接近KNN的概念..
但演算法真的是苦手，KNN目前只找到維度相同的算法，不知是我看的不夠深
，還是這是KNN本身的限制..
希望有前輩可以指教一二，給我一個較明確的研究方向。
先謝謝各位=)
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 210.242.250.115
※ 編輯: bmzz 來自: 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
感謝大大！看了一下，應該是可以符合我要的應用！
※ 編輯: bmzz 來自: 123.192.185.95 (01/31 02:50)
2F：推 bob123:這是data mining的題目 去看看apriori吧220.132.156.250 01/31 03:40