Comment utiliser spark ALS pour une recommandation implicite multi-comportements

Question

Je souhaite utiliser l'ALS spark pour une recommandation de retour implicite multi-comportement. J'ai vérifié plusieurs sources en ligne pour la recommandation de rétroaction implicite de la SLA, mais la plupart d'entre elles n'utilisaient qu'une seule source de données, dans le cas du magasinage. , les données de l'affaire.

Je me demande si seulement les données de transaction sont nécessaires ou utilisent toutes sortes de données pour de meilleurs résultats?

Answer 1

Il n'y a pas de façon générale d'utiliser la SLA avec plusieurs comportements. Parfois, des comportements différents sont utilisés pour faire varier les classements implicites - par exemple, l'affichage d'un élément peut valoir 0,1, l'affichage dans plusieurs sessions peut valoir 0,3, le mettre dans un panier 0,5 et un achat 1,0. Mais cela semble un peu hacky, et ne fournit pas facilement un moyen d'exploiter toutes les données que vous pourriez avoir.

Pour une approche plus conforme aux principes qui permet de gérer un grand nombre de fonctionnalités différentes, je voudrais jeter un oeil à la Universal Recommender. Disclaimer: Je ne l'ai jamais utilisé, je pense juste que cela semble prometteur.