Каким образом движок рекомендаций может работать с одним, новым и потенциально важным содержанием?

Question

Скажем, вы создали механизм рекомендаций, который порекомендовал бы вам смотреть прямые телешоу. Для регулярных шоу вы могли бы сделать довольно хорошую работу, используя совместную фильтрацию и тому подобное. Но, скажем, это было что-то вроде посадки на Луну в 1969 году. Это, очевидно, важное событие, вы хотите, чтобы ваш механизм рекомендаций справился с этим делом. Но вы также не можете полагаться на прошлое поведение, так как значение этой рекомендации падает до нуля, как только шоу закончится.

Каковы эффективные методы решения этой проблемы в области рекомендаций?

Answer 1

Проблема в CF обычно противоположна: очень новые элементы без кликов / оценок, но не могут быть рекомендованы алгоритмом CF и поэтому имеют проблемы с доступом к пользователям. Старый, известный предмет должен быть легко рекомендован.

Есть еще одна противоположная проблема: некоторые рекомендательные системные алгоритмы будут иметь тенденцию отдавать предпочтение известным элементам, о которых все знают, а не более длинным, менее известным элементам, которые в некотором смысле могут быть в действительности более эффективными.

Звучит так, будто у вас есть представление, что этот предмет в некотором смысле очень хорош. Это дополнительная информация, которую вы могли бы включить, грубо увеличив оценочное значение рейтинга на некоторое количество. Я думаю, что эффективный подход - просто что-то вроде этого.

Answer 2

У вас может быть механизм рекомендации из двух частей:

1. вещи, которые вы выбираете вручную
2. материал, который выбирает алгоритм

и сложите их вместе.