Comments 20
Не совсем понятно какая от этого польза?
UFO just landed and posted this here
обязательно:)
Вопросы видимо появились после моего коммента.
Как используем сейчас ответил ниже.
Пересечения кластеров — пустое множество. Так как каждый подарок попадает ровно в 1 кластер.
Но в целом, даже бинарный вектор длиной в кол-во кластеров и 1 там где из кластера дарился хотя бы один подарок — является неплохой фичей для наших рекламных задач.
Как используем сейчас ответил ниже.
Пересечения кластеров — пустое множество. Так как каждый подарок попадает ровно в 1 кластер.
Но в целом, даже бинарный вектор длиной в кол-во кластеров и 1 там где из кластера дарился хотя бы один подарок — является неплохой фичей для наших рекламных задач.
UFO just landed and posted this here
UFO just landed and posted this here
Алгоритм дает однозначное сопоставление. По сути, алгоритм находит своеобразные центроиды и бьет пространство объектов на непересекающиеся области.
Кстати вариант похожий по смыслу на «пересекающиеся кластера» мы делали с помощью LDA, но топики подарков получились так себе, из-за того, что Ципфа никто не отменял. Были подарки попавшие почти везде с большим весом. Ну и визуальное представление кластеров получалось не настолько крутым. В этом варианте семантика вылазит на поверхность.
Такой вопрос, почему для коллаборативной фильтрации был выбран кластерный анализ а не ассоциативные правила? они же заточены именно под эту цель.
Быть может датасет настолько велик что только эта библиотека потянула?
Кстати, какой порядок числа записей?
Быть может датасет настолько велик что только эта библиотека потянула?
Кстати, какой порядок числа записей?
Под коллаборативной фильтрацией вы здесь имеете в виду рекомендательные системы в целом или все-таки SVD над спарс матрицами? В общем случае рекомендательные системы это больше чем коллаборативная фильтрация.
В этом конкретном случае, первое что получается запилить — это улучшение тегирования. Модераторы могут тегировать подарки не по-одному, а кластерами. Это в свою очередь улучшает ранжирование выдачи.
К сожалению я не могу говорить про порядок числа реальных записей. Но для этого примера я брал примерно 200к разных подарков с медианой количества дарений в районе нескольких сотен.
В этом конкретном случае, первое что получается запилить — это улучшение тегирования. Модераторы могут тегировать подарки не по-одному, а кластерами. Это в свою очередь улучшает ранжирование выдачи.
К сожалению я не могу говорить про порядок числа реальных записей. Но для этого примера я брал примерно 200к разных подарков с медианой количества дарений в районе нескольких сотен.
UFO just landed and posted this here
таргетирование… откуда оно тут взялось?)
Люди редко хотят подарок просто так. Обычно они ищут его в поиске. Ранжирование поисковой выдачи с учетом персональных интересов и без учета очевидно будет отличаться. Насколько я знаю, пока что история дарений не учитывается. Но есть множество других факторов, например: поисковый запрос, пол, текущий праздник если он есть и т.д. Этот эксперимент можно считать одним из шагов в сторону персональной выдачи подарков.
Люди редко хотят подарок просто так. Обычно они ищут его в поиске. Ранжирование поисковой выдачи с учетом персональных интересов и без учета очевидно будет отличаться. Насколько я знаю, пока что история дарений не учитывается. Но есть множество других факторов, например: поисковый запрос, пол, текущий праздник если он есть и т.д. Этот эксперимент можно считать одним из шагов в сторону персональной выдачи подарков.
Так и не увидел ответа про ассоциативные правила, почему «побрезговали» этим инструментом? Транзакцией в данном случае выступил бы ID юзера, на выходе устойчивые релевантное правила.
Матрица дарений настолько разрежена, что нормально ассоциативные правила можно применять на очень маленькой подвыборке. Но вопрос тут скорее в другом. Какую задачу вы предлагаете так решать?
В нашем случае помимо рекомендаций есть задача тегирования, выделения фич для других задач и еще много чего не озвученного.
Блок «с этим товаром покупают» именно так и работает, анализируя статистику продаж других товаров в одной корзине каждого покупателя.
Но на выходе другой результат — получаются рекомендуемые товары-дополнения и аксессуары.
Но на выходе другой результат — получаются рекомендуемые товары-дополнения и аксессуары.
Sign up to leave a comment.
Как мы кластеризуем подарки в ОК