[討論] 關於推薦系統
小弟目前在做推薦系統 (Recommendation System) 的研究
推薦系統在日常生活中其實還蠻常見的
例如逛Amazon會推薦你可能會有興趣的書，Netflix會推薦你喜歡的電影
但發現台灣目前在做推薦系統的公司似乎很少
連國內的相關研究也很少，找一下paper也是寥寥數篇
反觀國外跟大陸已經有很多研究了，還有專門的課程在大學裡授課
分析一下可能有以下幾點原因：
1. 推薦系統只是附屬在營運項目的一種功能而已，通常不是主要功能
2. 公司就算有在研發也是私底下研發，推薦演算法不會拿來公開發表
覺得在台灣幹這一行真的蠻孤單的...
專書也很稀有...絕大部分要靠上網查零零碎碎的原文資料 (不過這樣也較容易進步)
發個牢騷一下...XD
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 114.37.116.232
→
11/28 21:45, , 1F
11/28 21:45, 1F
→
11/28 21:46, , 2F
11/28 21:46, 2F
是的，我找來找去大概也就只有kkbox有明確的說要找recommendation的人才
應該也是跟該公司的性質有很大的關係 (大量節目 + 使用者)
推
11/28 22:26, , 3F
11/28 22:26, 3F
嗯...不但公司要有規模才有可能做，而且資料量也要夠多才有可能
而且在軟體研發、硬體架構這些事情上面也很耗費成本
光這些原因就夠令人卻步了.../_\
推
11/28 22:43, , 4F
11/28 22:43, 4F
推
11/28 22:54, , 5F
11/28 22:54, 5F
樓上仁兄莫非也是相關的工作或研究嗎？ XD
推
11/28 23:07, , 6F
11/28 23:07, 6F
我個人倒認為recommendation比較接近於information retrieval
舉例：利用 tf-idf 計算哪個使用者喜歡哪個節目的程度
當然也不是說絕對啦，例如幫使用者分類、分群就可說是 data mining 的範圍
→
11/28 23:38, , 7F
11/28 23:38, 7F
→
11/28 23:40, , 8F
11/28 23:40, 8F
→
11/28 23:42, , 9F
11/28 23:42, 9F
→
11/28 23:42, , 10F
11/28 23:42, 10F
→
11/28 23:43, , 11F
11/28 23:43, 11F
上面我有提到說「推薦系統在日常生活中其實還蠻常見的」
但是台灣專門就這方面的研究並不多 (但國外很多)
而且即使你有看到「推薦」功能，也並不等於「個人化推薦」
如果只是推薦當週最熱門的音樂、最多人吃的美食，簡單統計一下就可以達成這個功能
但這種功能與個人無關...
→
11/28 23:43, , 12F
11/28 23:43, 12F
資料的多寡真的是大重點
我也是等收集到足夠的資料才敢開始分析的...= ="
※ 編輯: ciphero 來自: 114.37.116.232 (11/29 00:25)
推
11/29 00:08, , 13F
11/29 00:08, 13F
aprior只是AR的其中一種演算法，更只是推薦演算法的其中一種
而目前各大知名公司所使用的通常都是混合式的演算法
※ 編輯: ciphero 來自: 114.37.116.232 (11/29 00:39)
→
11/29 16:09, , 14F
11/29 16:09, 14F
推
11/30 17:53, , 15F
11/30 17:53, 15F
推
12/01 18:18, , 16F
12/01 18:18, 16F
→
12/01 18:18, , 17F
12/01 18:18, 17F
推
12/04 18:43, , 18F
12/04 18:43, 18F
→
12/05 20:31, , 19F
12/05 20:31, 19F
→
12/05 20:33, , 20F
12/05 20:33, 20F
→
12/05 20:33, , 21F
12/05 20:33, 21F
→
12/05 20:34, , 22F
12/05 20:34, 22F
→
12/05 20:35, , 23F
12/05 20:35, 23F
→
12/05 20:36, , 24F
12/05 20:36, 24F
→
12/05 20:38, , 25F
12/05 20:38, 25F
討論串 (同標題文章)