基于潜在主题和成本的群组推荐算法

Question

要求：提出一个基于潜在主题及成本的推荐算法（TCM）进行 top-n 地点推荐。

我的问题：为了完成这个课题，我需要找的数据集中应该包含成本信息吗？ 这种数据集应该在哪里寻找呢，我找的都是不包含成本的数据集

如果不需要包含成本信息，应该怎么建模呢？对此一头雾水.若对我有有实质性的帮助，我还会提供更高的报酬

Answer 1

基于Monster 组和GPT的调写：

• 考虑两个因素：地点的主题和成本。但是，这些因素可能并不总是包含在现有的数据集中。对于提供的数据集，没有包含成本信息。所以，要进行调整来处理此问题。

• 对于主题建模，可用一些文本挖掘技术，例如 LDA（潜在狄利克雷分配）算法，将地点描述、用户评价等信息转换为主题向量。对于成本建模，用与地点相关的价格信息，例如餐馆价格、门票价格等，以便将其纳入到模型中。

• 但是，如果数据集中没有包含成本信息，用一些代理变量来近似成本信息。例如，可用地点的热度来代表成本。也就是说，如果一个地方非常受欢迎，那么它的成本就可能会更高。因此，用类似于地点的签到次数、评分等信息来近似成本信息。

• 总之，要在不包含成本信息的情况下进行调整，以便能够进行主题建模和成本建模。这要对数据集和算法的细节进行深入的研究和调整