Блог им. aptyp → Метод роя частиц(Particle Swarm Optimization)
Не занимается ли кто-нибудь здесь алгоритмами глобальной оптимизации нелинейных многомерных функций, в частности методами роя частиц, в интернете пока натыкался только на отдельный статьи или презентации, без серьезного анализа. И не знаете ли книги(именно книги, а не короткие тексты) по данной(или более общей, по оптимизации) теме?
Блог им. robtec → Каким алгоритмом лучше воспользоваться?
Я сам не являюсь IT специалистом. Хотел получить консультацию по решению следующей задачи:
Имеется база из плей-листов музыки (id плей-листа, название трека, исполнитель)
Количество записей в плей-листах варьируется от 1 до 100.
Количество плей-листов измеряется сотнями тысяч.
На входе подается новый плей-лист.
В результате нужно отобрать максимально схожие с ним плей-листы и скомбинировать из них новый список ограниченного размера (предположим 100 записей) предварительно удалив дубликаты.
Вопрос: для отбора схожих плей-листов оптимально ли использовать алгоритм ближайшего соседа? Везде пишут, что он очень требователен к вычислительным ресурсам, а
требуется быстро выдавать результат…
Может существуют уже какие-то стандартные способы решения подобных задач?
Имеется база из плей-листов музыки (id плей-листа, название трека, исполнитель)
Количество записей в плей-листах варьируется от 1 до 100.
Количество плей-листов измеряется сотнями тысяч.
На входе подается новый плей-лист.
В результате нужно отобрать максимально схожие с ним плей-листы и скомбинировать из них новый список ограниченного размера (предположим 100 записей) предварительно удалив дубликаты.
Вопрос: для отбора схожих плей-листов оптимально ли использовать алгоритм ближайшего соседа? Везде пишут, что он очень требователен к вычислительным ресурсам, а
требуется быстро выдавать результат…
Может существуют уже какие-то стандартные способы решения подобных задач?
Data Mining → Выработка рекомендаций
В этом посте я расскажу о коэффициенте корреляции Пирсона и евклидовом расстоянии. Которые нам понадобятся для выработки рекомендаций. Например как на http://imhonet.ru/ или http://www.netflix.com/. Приведу небольшой пример, о котором я прочитал в книги Криса Андерсон: Длинный хвост. Новая модель ведения бизнеса. В 1988 году британский альпинист Джо Симпсон написал книгу «Касаясь пустоты», описание того как он едва не погиб в Перуанских Андах. Она была достаточно успешна, но о ней забыли. Через 10 лет выходит книга «В разряженном воздухе» Джона Кракауэра, тоже о трагедии в горах, и она стала сенсацией. И вновь стала продаваться «Касаясь пустоты». Продавцы просто выставляли ее рядом и продажи росли. Сейчас множество сервисов использует схожие подходы. Например вы покупаете фильмы в онлайн магазине, а он рекомендует вам схожие фильмы по вашим интересам. Очень удобно.
Читать дальше