你在找什么是某种形式的递归神经网络;以某种方式或另一种方式存储“上下文”的网络。这种网络的例子是LSTM和GRU。所以基本上,你必须依次输入你的数据。根据上下文和当前输入,网络将预测哪个标签最有可能。
似乎似乎需要与数据和结果有一些数学关系。这里的ID没有; ID也可以是任何符号。
数据和结果之间有明确的关系,这可以通过权重和偏差来表达。
那么它会如何工作?首先你需要编码你的输入和输出。所以基本上,您想要预测用户已经与之交互过的一组标签之后哪个标签最有可能。
如果您有5个标签:A,B,C,D,E,这意味着您将有5个输入和输出:[0, 0, 0, 0, 0]
。
如果您的标签为A,则数组将为[1, 0, 0, 0, 0]
,如果是D,则将为[0, 0, 0, 1, 0]
。
因此,LSTM和GRU的关键是数据应该是连续的。所以基本上,你输入所有看到的标签一个接一个。因此,如果用户已经观看了A,B和C:
activate: [1,0,0,0,0]
activate: [0,1,0,0,0]
// the output of this activation will be the next predicted label
activate: [0,0,1,0,0]
// output: [0.1, 0.3, 0.2, 0.7, 0.5], so the next label is D
而且你应该总是训练网络,从而使在吨输出为吨+ 1