有关推荐引擎,协作过滤和个性化的问题。问题往往是算法或统计性的。
我正在计划开发一个应用程序,我已经做了一些研究,但我还没有找到具体的答案,即哪种框架/编程语言可能最适合我的需求。 乐...
我正在尝试找出适用于我的推荐系统的算法。我试图根据用户的年龄和他们喜欢的类型来推荐游戏。 我有一个有年龄分级的游戏数据,g...
我是初级数据分析师。 我正在寻找句子->单词推荐的方法。 例如,如果我输入“小美人鱼”和书的介绍(句子),模型可以输出“游泳苏...
Youtube 观看历史记录自 8 月 7 日更新以来已停止更新。现在打开 WH 后我没有收到新的推荐
自 8 月 7 日起,我的观看历史记录已完全停止更新。我观看了视频,但观看历史记录中没有列出这些视频。它不会跟踪视频的观看进度。它确实跟踪搜索...
需要帮助使用 Tensorflow 推荐器设置项目到项目推荐
我正在尝试构建一个模型,使用 Tensorflow Recommenders 为查询的项目提供类似的项目。我必须使用的数据是 Pandas DataFrame,其中每一行(由 guid 索引)
我正在尝试创建一个基于会话的推荐系统,当我运行这段代码时,我收到此错误 %%时间 开始时间窗口索引 = 1 最终时间窗口索引 = 4 对于范围内的 time_index(
我的电影预处理数据集示例 我的模型: 从 sklearn.feature_extraction.text 导入 CountVectorizer, TfidfVectorizer tfidf=TfidfVectorizer(max_features=5000,analyzer='word',stop_words="
使用 BinaryClassificationMetrics 时在 Spark 中使用 map 和 reduce 进行并行计算?
我正在尝试通过使用 map 和 reduce 而不是 for 循环来并行化 Spark 中 AUC 的计算。 但是,因为我有另一个 RDD sc.parallelize(recModelPredictionsAndLabels) 而我不能...
我有一个包含以下列的数据集:id_customer(客户标识符)、id_receiver(收款人的标识符)、money(汇款)和汇款日期...
我应该下载什么?这是一个使用python的推荐系统
有一个包含以下列的数据库: Id、ProductId、UserId、ProfileName、HelpfulnessNumerator、HelpfulnessDenominator、分数、时间、摘要、文本 (https://www.kaggle.com/datasets/snap/am...
我的 Django 在添加新文档时突然显示 KeyError
我的 API 曾经完美地工作,现在每当我添加一个新文档时,我都会收到 KeyError 消息(以前没有这样做,我没有对我的 python 代码进行任何更改:(...) 该消息是...
在此处输入图像描述我正在 kupyter 笔记本中安装 PyTorchCML 库,但出现错误 Pytorchscikit 加载]无法构建 scikiterror 我尝试了简单的命令。有没有...
如何在没有 rating.csv 文件的情况下对数据集使用惊喜库?
我正在尝试使用惊喜库制作推荐系统。我正在使用一个没有 rating.csv 的数据集,而是一个完整的数据集,包括许多关于电影的特征(它没有
在此代码中:- top10_prediction_linear <- test_set %>% left_join(b_i, by = "movieId") %>% left_join(b_u, by = "userId") %>% 突变(y_hat = mu + b_i + b_u)%>...
当我拥有的唯一数据集是课程详细信息时,如何创建引擎。最有可能的是,我如何使用深度学习来创建相似关系,以便当用户数据(课程和成绩 +
我正在开发一个包含音乐的应用程序,我想在主页上包含一个“为您推荐”部分,用户可以根据自己的喜好发现音乐。我想用一个
我是 python 的新手,我试图通过重新创建以下代码来理解电影推荐系统
导入字符串 重新进口 将熊猫导入为 pd 将 numpy 导入为 np 将 seaborn 导入为 sns 将 matplotlib.pyplot 导入为 plt 将 tensorflow 导入为 tf 将 tensorflow_recommenders 导入为 tfrs 来自收藏...
我正在尝试在 Django 中为电子商务构建一个简单的基于用户的协作过滤,仅使用购买历史记录。 这是我使用的步骤,我知道它需要更多改进,但我没有...
我想为这个数据示例做一个简单的系统推荐: 将熊猫导入为 pd df = pd.DataFrame({'用户': ['1','2','2','3','3','4','4'], 'item': ['蛋糕','糖果','巧克力','