Tudo sobre as Boltzmann Machines e seu poder para realizar recomendações com base em valores 0 e 1 que são passada para ela. Nessa sessão foi desenvolvido um sistema de recomendação de filmes, onde é passado uma lista de usuários com suas respectivas notas para cada filme:
Extrutura da rede neural
Sobre o print abaixo, precisamos intender 3 coisas antes:
1- O primeiro array é os nomes dos filmes.
2- O segundo array é se sobre os usuários, as notas que diferentes pessoas derem para esses filmes.
3- Se contem o valor 1 quer dizer que o usuário olhou o filme e gostou, se contem o valor 0 ou o usuário nao viu o filme ou nao gostou do mesmo.
Notas que o usuário que queremos prever derem para os filmes:
Resultado:
Mas como o usuário2 tem o filme "O chamado" se ele tem o valor 0 ou a cetegoria de filme que ele gosta nem é essa?
Pois com base nos valores que passamos de treinamento para o algoritimo e com base no resultado que o usuario1 recebeu, acaba influenciando para que o usuário2 receba essa recomendação desse filme, da mesma forma que a Netflix faz, recomenda filmes que as vezes nem gostamos tanto assim mas como tem varias pessoas que gostaram acaba influenciando o algoritimo. Este é o caso da Tarefa 14 que temos uma base de dados onde irá influenciar um usuário a receber recomendação de um filme por mais que ele nao tenha valor para esse filme:
- Introdução a Boltzmann Machines
- Restricted Boltzmann Machines (RBM) - aprendizagem
- Restricted Boltzmann Machines (RBM) - recomendação
Teste 5: Teoria sobre Boltzmann Machines - Referências complementares
- Criação da RBM (Restricted Boltzmann Machine)
- Recomendação de filmes com RBM
Tarefa 14: RBM x filtragem colaborativa