Artikel-Artikel-Kollaborative Filterung vs. Warenkorbanalyse
Antworten:
@ Antimon gab eine perfekte Antwort. Ich wollte nur eine Theorie hinzufügen, die mir half, den Unterschied zwischen kollaborativer Artikel-Artikel-Filterung und Warenkorbanalyse zu verstehen. sowie die Anwendungen für diese beiden Methoden.
Die Familie der Algorithmen zur Durchführung der Warenkorbanalyse wird als Zuordnungsregeln bezeichnet. Die Warenkorbanalyse (oder Assoziationsregeln) und die kollaborative Filterung beantworten grundlegend unterschiedliche Fragen. Durch kollaboratives Filtern kann die Frage beantwortet werden: "Welche Elemente mögen Benutzer mit ähnlichen Interessen wie Sie?" (Abb. 1), während Assoziationsregeln die Frage beantworten: „Welche Elemente erscheinen häufig zusammen?“ Die Antwort auf die erste Frage kann verwendet werden, um Ihnen Produkte, Videos, Restaurants, Hotels oder andere Inhalte zu empfehlen, die Sie zuvor noch nicht gesehen haben, die jedoch von einer Gruppe anderer Benutzer mit ähnlichen Interessen bewertet wurden. Die Ähnlichkeit von Interessen kann anhand expliziter Indikatoren geschätzt werden, z. B. haben Sie und eine Gruppe anderer Benutzer denselben Produkten dieselben Bewertungen gegeben, oder anhand impliziter Indikatoren, z. Sie und sie haben die gleichen Produkte gekauft. Kollaboratives Filtern ist weit verbreitetwird zum Aufbau von Empfehlungssystemen verwendet . Die kollaborative Filterung ist jedoch am effektivsten, wenn eine lange Historie von Benutzereinstellungen oder -verhalten vorhanden ist. In der Zwischenzeit können Ihnen die Zuordnungsregeln Produkte empfehlen, die Sie höchstwahrscheinlich auf der Grundlage einer Reihe von Produkten kaufen werden, die sich derzeit in Ihrem Warenkorb befinden (Abb. 2). Wenn Sie beispielsweise einen Burger und Pommes kaufen, möchten Sie wahrscheinlich Soda. oder ein sehr berühmtes Beispiel: Wer Windeln kauft, kauft auch ein Bier. Zuordnungsregeln sind unabhängig von persönlichen Präferenzprofilen. Für das Mining benötigen Sie einen Datensatz mit Transaktionen aller Benutzer. Assoziationsregeln und Warenkorbanalysen werden im Allgemeinen als Erkundungsinstrument verwendet, um eine begrenzte Anzahl der gängigsten Regeln abzubauen, die dann von einem Menschen analysiert werden können. Zuordnungsregeln können jedoch auch zum Erstellen von Empfehlungssystemen verwendet werden .
Abb. 1. Die Darstellung der kollaborativen Filterung. Quelle - Wikipedia
Abb. 2. Eine einfache Darstellung der Zuordnungsregeln.
Eine ausgezeichnete Frage! Ein trivialer Unterschied, den ich mir vorstellen kann, ist, dass die Warenkorbanalyse (MB) jeden Korb separat betrachtet. Wenn Sie also einmal im Monat dasselbe Material zusammen kaufen, stellt es jedes Mal einen anderen Korb dar und enthält wahrscheinlich auch jedes Mal andere Artikel. Collaborative Filtering (CF) berücksichtigt jedoch Körbe, die pro Benutzer aggregiert werden. Egal wie oft Sie Bier und Windeln zusammen kaufen, es zählt immer noch eine Stimme für Bier und eine Stimme für Windeln.
Die anderen Unterschiede sind eher technischer Natur, z. B. was Sie für jeden messen. In MB interessieren Sie sich für Unterstützungs- und Vertrauenswerte und in CF für ein Ähnlichkeitsmaß wie die Kosinusähnlichkeit. Dies ist ein symmetrisches Maß. Die Ähnlichkeit zwischen Bier und Windel ist die gleiche wie die Ähnlichkeit zwischen Windel und Bier, aber das ist nicht der Fall für Unterstützung / Vertrauen.
Auf konzeptioneller Ebene ist es möglich, dass CF indirektere Ähnlichkeiten aufweist, z. B. wenn Sie Artikel 1 kaufen, und es wird festgestellt, dass Artikel 2 zusammen mit Artikel 3 gekauft wird und dass Artikel 3 und 4 Artikel 2 ähnlich sind. Dann kann es sie empfehlen, auch wenn sie nicht zusammen mit Artikel 1, sondern auch mit Artikel 2 gekauft werden.