Key points are not available for this paper at this time.
Empfehlungssysteme sind für viele der größten Internetunternehmen von entscheidender Bedeutung. Online-Nutzer erwarten heutzutage von Websites mit einem großen Sortiment an Produkten auch Empfehlungen. Diese Empfehlungen basieren auf verschiedenen Daten, darunter Nutzerbewertungen von Produkten und Produkteigenschaften. In diesem Papier untersuchen wir den Anwendungsfall der Anwendung grundlegender Techniken und Algorithmen von Empfehlungssystemen, um Buchempfehlungen bereitzustellen. Zunächst stellen wir vor, was Empfehlungssysteme sind und welche verschiedenen Typen es gibt. Dann beschreiben wir das Greenquist-Kilitcioglu-Bari (GKB) Framework, einen End-to-End-Prozess zum Aufbau eines voll funktionsfähigen und live Empfehlungssystems, das im Internet gehostet werden kann und einen RMSE von 0,842 aufweist. Die Schritte des Prozesses, die hervorgehoben werden, sind Datensammlung und -vorverarbeitung, Modellauswahl und -bewertung, Kombination verschiedener Modelle zur Erstellung eines hybriden Modells und das Hosting der Modelle auf einer Live-Website, die in Echtzeit Empfehlungen für viele Nutzer bereitstellen kann. Wir verwenden auch das trainierte Modell, um einem neuen Nutzer, der nicht Teil des Trainingsprozesses war, Empfehlungen zu geben. Dieser Ansatz schafft Möglichkeiten über Buchempfehlungen hinaus und kann auf Marketing, Finanzen, Politik, E-Commerce und alle Datenabgleichanwendungen angewendet werden.
Greenquist et al. (Fri,) haben diese Frage untersucht.