Использование парных предпочтений для рекомендательных систем
У меня есть коллекция из 100 тыс. Рейтингов фильмов, которую оценили около 1600 пользователей, и каждый пользователь оценил как минимум 20 фильмов по шкале от 1 до 5, из которых 5 - лучшие. Используя это, я должен преобразовать эти оценки в парные предпочтения, а затем дать рекомендации пользователям, использующим это предпочтение. Идея преобразования в парные предпочтения заключается в том, что пользователь не может точно оценить фильм в зависимости от его / ее настроения, например, он / она может оценить фильм 4 или 5, в зависимости от различных факторов, таких как настроение, время, когда смотрели фильм и т. д. Но парные предпочтения - лучший способ уловить вкус пользователя, и над этой идеей я работаю. После того, как сгенерированы попарные предпочтения, я делаю ориентированный график для каждого пользователя, с узлами, являющимися фильмами, и гранью от movie1 до movie2, если для пользователя movie2 был оценен лучше чем movie1. Из этого графика я вычисляю Page Rank, используя популярный алгоритм Page Rank, и затем для каждого пользователя я нахожу пользователей, похожих на него, беря точечный продукт из рейтинга страниц фильмов, оцененных им, и фильмов, оцененных другими, выбирая верхнюю k пользователи. А затем создайте ориентированный граф, используя попарные предпочтения этих пользователей вместе, и порекомендуйте лучшие фильмы в соответствии с полученной страничкой. У меня вопрос, какие модификации я могу сделать, чтобы получить лучшую точность? (Мне нужно использовать метод парных предпочтений, чтобы он был фиксированным). Например, как можно создать меньшие парные предпочтения без снижения точности? Любые другие идеи приветствуются.