我讀過的大多數推薦算法文章都集中在用戶對項目進行評分的Netflix模型。我想要做的是略有不同（我認爲）。如何實現這個推薦算法？
比方說，我想創建一個網站，向用戶展示兩張汽車圖片。用戶然後可以選擇他們更喜歡哪輛車。用戶可以按照他/她喜歡的次數重複這個過程，但是希望當他們繼續時，照片對於用戶喜歡的內容變得越來越精緻。
你會如何實現這個算法？看起來像一種可能的方法是實施一個ELO排名算法，並將這些結果的順序用作「評級」，但是這具有嚴重的缺陷，即多個項目不能得到最大評級（用戶可能已經完成了，如果有能力評價項目本身）。
另一種看起來更有希望的方法是預先確定每輛車的一般屬性（例如顏色，車身類型，2門和4門等），並使用這些方法來獲得每個用戶都喜歡的屬性並基於此建議。
我會採取刺。
假設每輛車都有一組屬性。如果這組屬性被編碼爲矢量，則一種可能的推薦方法是使用自組織映射（SOM）。 SOM的基本要點是它是輸入向量的分類器。如果訓練SOM的輸入向量表示不同類別的輸入，SOM將開始將其存儲向量聚類爲更像每類輸入。請注意，原始輸入向量不會保留。爲了訓練帶有輸入矢量的SOM，選取當前在SOM中的最佳矢量，然後該矢量周圍的區域變得更像輸入。當然，請參閱維基百科http://en.wikipedia.org/wiki/Self-organizing_map。
那麼這如何適用於這種情況呢？那麼，可以使用一個SOM訓練該人喜歡的圖像，並且可以訓練他們喜歡的圖像。即使沒有他們喜歡的單一風格，集羣也應該圍繞他們喜歡/不喜歡的汽車形成。然後看看他們是否喜歡一輛沒有被他們挑選過的汽車，是從它們的喜好和不喜歡中發現它與團體的匹配程度。請注意，在這種情況下，最好匹配彼此不相似或更不可能被喜歡的汽車。
當人第一次加入該網站時，允許他們從蝙蝠身上挑選一些喜歡和不喜歡的東西來播種SOM。
祝你好運！
Maby答案有點太遲，但你可能想檢查this。這是關於一位麻省理工學院教授認爲5星評級，如評級等不起作用，他提出了一種算法，可以按照您的建議（車輛A或車輛B）以成對方式輸入。該算法相當複雜，但可以在鏈接中找到。
聽起來像一個「熱或不」的算法。這裏是pick a或b實現的另一篇文章。 http://stackoverflow.com/questions/164831/how-to-rank-a-million-images-with-a-crowdsourced-sort – 2011-04-03 16:48:20
作爲一種觀察，Netflix競賽中的許多條目使用奇異值分解（alaval Value Decomposition，ala）西蒙·芬克的真棒梯度下降近似）。無論如何，一個關鍵的假設是用戶對電影的評價 - 而不僅僅是比較評級，所以你的情況可能不會略有不同。 – 2011-04-04 02:35:35