442
правки
Изменения
→Кластеризация пользователей
Алгоритм можно разбить на следующие шаги:
# Выбор условной меры схожести пользователей по истории их оценок <tex> sim(u, v) </tex>;.# Объединение пользователей в группы (кластеры) так, чтобы похожие пользователи оказывались в одном кластере <tex> u \mapsto F(u) </tex>;.
# Предсказание оценки пользователя: средняя оценка кластера этому объекту <tex> \hat{r}_{ui} = \dfrac{1}{|F(u)|}\sum_{u \in F(u)}{}{r_{ui}} </tex>.
Проблемы алгоритма:
* Нечего рекомендовать новым пользователям, так как их невозможно определить к какому-нибудь либо кластеру, а значит и рекомендовать им нечего;
* Не учитывается контекст и специфика пользователя;
* Если в кластере нет оценки объекта, то предсказание невозможно.
