推荐系统的贝叶斯分类或类似技术

Question

我正在开发一个新闻应用程序。在主页上，用户会看到一个标题列表，然后他可以点击一个阅读文章和评论。

我想根据他的历史提供“推荐文章”选项。例如，如果他阅读了一篇文章 - 我将向算法提供标题关键字，以便了解该用户喜欢阅读的内容。

我读到的有关贝叶斯过滤器的问题是，您需要用好的输入和坏的输入（例如好的电子邮件和垃圾邮件）来训练它们。就我而言，不同之处在于没有不好的例子。如果用户没有读过一篇文章——这并不意味着它是一个糟糕的分类（因为他将来仍然可能会读到它），但只有当他读过一篇——他更有可能在未来。

基本上，我正在寻找一种算法来帮助我根据他过去阅读的内容向特定用户推荐文章。它将在移动设备上运行，因此任何实现 (C/C++/Obj-C) 都可以工作。

谢谢。

Answer 1

您可以将此视为binary classification problem。要么是他喜欢读的文章，要么是他可能不喜欢读的文章。

您可以将dlib C++ library 用于二元分类器算法。