请耐心等待我的写作，因为我的英语不熟练。
作为一名程序员，我想了解在推荐系统或相关系统下实现的算法或机器学习智能。例如，最明显的例子来自亚马逊。他们有一个非常好的推荐系统。他们会知道：如果你愿意this， 你可能还喜欢that，或者其他类似的东西：有多少人喜欢this and that一起。
当然我知道亚马逊是一个大网站，他们在这些系统上投入了大量的人力和金钱。但是，在最基本的核心上，我们如何在数据库中实现类似的功能？我们如何识别一个对象与其他对象的关系？我们怎样才能建立一个统计单元来处理这种事情呢？
如果有人能指出一些算法，我将不胜感激。或者，基本上，指出一些我们都可以学习的好的直接参考资料/书籍。谢谢你们！
有两种不同类型的推荐引擎。
最简单的是基于项目，即“购买产品 A 的客户也购买了产品 B”。这很容易实现。存储稀疏对称矩阵 nxn（其中 n 是项目数）。每个元素 (m[a][b]) 是任何人购买商品“a”和商品“b”的次数。
另一个是基于用户的。那就是“像你这样的人常常喜欢这样的事情”。该问题的一个可能的解决方案是 k 均值聚类。即构建一组集群，将具有相似品味的用户放置在同一集群中，并根据同一集群中的用户提出建议。
一种更好但更复杂的解决方案是一种称为“受限玻尔兹曼机”的技术。里面有他们的介绍here http://www.youtube.com/watch?v=AyzOUbkUf3M
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
