文件名称:基于物品的推荐模型性能评测-tinyxml指南[中文]
文件大小:6.46MB
文件格式:PDF
更新时间:2024-07-04 16:39:40
RapidMiner
图 14.3 基于物品的推荐模型性能评测 在 k-NN 模型中,k 值得选择不同,决定模型效果的不同,可以根据数据的情况进行微调。 模型训练好后,可以用“Write Model”和“Read Model”对模型进行读写,勾选 Online updates 对模型进行动态更新,对大数据分次更新。 14.5 基于内容(content)的推荐系统 协同过滤系统使用现有用户的使用习惯信息,基于内容的推荐使用物品(item)描述与 用户喜好特性(访问过哪些物品)信息一起构建推荐新的物品应用。 例如:用户在新闻消息,web 网站等场景中读取的文章内容、物品分类信息等。这些信 息内容可帮助构建推荐系统应用。 操作步骤: 将“collaborative_test”测试集,“collaborative_train”训练集和“content_attribute”物品 属性集数据拖拽到操作栏中,在对每个数据集设置用户标签属性后,调用“Item Attribute k-NN”操作符,将输入端口分别与训练集和用户物品属性集连接,然后将训练模型端口 Mod 输出端与“Apply Model”的 Mod 端连接,“Apply Model”的 que 端口与测试集连接, 后 输出结果,整体流程如图 14.4。