9、Collaborative Metric Learning Recommendation System: Application to Theatrical Movie Releases------CML推薦系統(電影院放映的應用)
阿新 • • 發佈:2018-11-08
一、摘要:
主要是做一個基於協作(深度)度量學習(CML)的系統來預測新劇場版本的購買概率。即測量產品的空間距離來預測購買概率。
二、模型
該圖分為兩部分,先計算右邊,右邊通過深度度量學習(DDML)來計算產品距離,將得到的產品距離輸入左邊邏輯迴歸中得到購買概率。
e(movie)是電影的詞向量,f是對映函式,z是電影在特定空間的投影。通過深度學習來學習。具體去了解Deep Distance Metrix Learning。
以下公式是計算出產品距離的之後採用邏輯迴歸計算購買概率的公式:【上圖左半部分】
邏輯迴歸計算購買概率是基於電影和使用者之間在目標空間的距離以及舊電影頻率F和新電影R的客戶資料基礎上。
以下是電影和使用者之間的距離計算,採用歐式距離。
客戶的特徵空間投影向量計算如下:是根據客戶歷史中所有電影的電影向量的平均值來計算的,並被一些折扣時間因子加權。