2010-06-21 152 views
0

我已經建立了一個反向傳播的ANN作爲圖書推薦系統。如何爲推薦系統培訓神經網絡?

我在網絡中只有一個隱藏層,輸入層和輸出層都是書籍,因爲您應該可以輸入書籍並獲得更多書籍建議。

我已經有很多關於用戶和他們的評級(1到5)的書的數據。我希望將它帶入神經網絡(設置所有權重),而不必經歷反向傳播過程。以某種方式更機械地做到這一點。

說每個用戶在他們的圖書館中有大約100本已評級的圖書,我如何爲它們設置權重?用戶圖書館中的圖書如何與用戶圖書館中的其他圖書相關聯?

謝謝。

+0

書評分的重量,這就是爲什麼你有他們。 – mcandre 2010-06-21 16:12:03

+0

這個問題不是關於神經網絡意義上的預訓練。 – 2014-06-24 17:44:54

回答

2

所以這聽起來像你不想使用神經網絡。我發現神經網絡更難以訓練這些稀疏特徵空間。你想要預測(我相信)一個人可能會喜歡的書,並給出他們的評分以及進行類似購買的人的評分。您可以看看collaborative filtering。我並不是說你不能用神經網絡來解決這個問題,但我不確定你想要什麼。

+0

同意。神經網絡不會「容易地將數據放入其中」 - 除了使用訓練算法(如反向傳播)外。不要說這是不可能的,但對於對NN methinks感興趣的人來說,這更像是一個研究問題。 決策樹(或決策樹推動)可能適合您的應用程序。 WEKA有這些,關於如何在WEKA中使用它們的好教程可以在這裏找到:http://www.ibm.com/developerworks/opensource/library/os-weka1/index.html – 2010-06-22 18:29:02

+0

我已經嘗試了一些就像之前那樣,我在所有的例子上花費了大量的時間來估計權重,然後從那裏訓練。對於通過的NN往往太昂貴。使用分配通過的權重估計會更便宜,並從此開始。 – 2010-06-25 15:05:54

1

我同意你可能不想使用神經網絡。

通常在人工神經網絡中,初始權重被賦予隨機值(可以通過隨機數算法計算),然後通過訓練迭代對其進行優化。

您是否研究過模糊邏輯理論來解決您的問題?根據我的經驗,這聽起來像模糊邏輯可能適合這種系統,其中圖書評分可以用作會員功能來確定推薦的類別/書籍。

0

神經網絡不是解決您的問題。你需要的是兩本書之間的相似度量。這可能包括一些標記機制,或Dewey Classification System。然後,用戶的推薦應該包括與他喜歡的書更相關的書。