如何对艺术家或演员等输入进行编码

Question

我目前正在开发一个神经网络，它试图根据特定用户最近的活动为他提出建议。我会尝试用一个例子来说明我的问题。

现在，假设我试图根据用户最近听过的音乐向他推荐新音乐。由于人们经常听他们认识的艺术家，因此这种神经网络的一个输入可能是他最近听过的艺术家。

问题在于此功能的编码。由于数据库中艺术家的 id 对神经网络没有任何意义，我想到的唯一另一个选择是对每个艺术家进行一次热编码，但这对于成千上万不同的艺术家来说听起来也不乐观在那里。

我的问题是：我如何编码这样的特征？

Answer 1

您描述的方法称为content-based filtering。直觉是向客户 A 推荐与 A 以前喜欢的项目类似的项目。这种方法的一个优点是您只需要有关一个用户的数据，这往往会导致“个性化”的推荐方法。但是一些缺点包括功能的构建（您现在正在处理的问题），为新用户构建有趣的配置文件的困难，另外它也永远不会推荐用户内容配置文件之外的项目。至于表示的难度，特征通常是手工制作和事后抽象的。特别是对于音乐，特征可能是“艺术家”、“流派”等，信息关键字的抽象（如有必要）广泛使用tf-idf。

这可能超出了问题的范围，但我认为还值得一提的是另一种方法：collaborative filtering。而不是相似的项目，我们在这里尝试寻找具有相似品味的用户并推荐他们喜欢的产品。您在这里需要的唯一数据是某种用户评分或他们（不）喜欢某些数据的程度 - 消除了对功能设计的需要。此外，由于我们分析相似的人而不是推荐项目，这种方法往往也适用于新用户。协同过滤的一般流程如下：

• 衡量感兴趣的用户与所有其他用户之间的相似度
• （可选）选择包含最相似用户的较小子集
• 将评分预测为“最近邻”的加权组合
• 返回评分​​最高的项目

算法中相似度加权的一种流行方法是基于Pearson correlation coefficient。

最后，这里要考虑的一点是对性能/可扩展性的需求：为数百万用户计算成对相似度在普通计算机上并不是真正轻量级的。