機械学習ベースのレポート Netflix、Amazon、その他多くの企業が「推奨エンジン」を使用しています。Amazon で何かを購入すると、通常、他の製品が推奨されます。Netflix を視聴したことがある場合は、おすすめのテレビ番組や映画も提供されます。私たちは、インターネット全体のプレミアム テクノロジーの使用に同じプロセスを適用しました。これにより、プレミアム テクノロジーの使用状況が類似する Web サイト (プレミアム テクノロジーの使用状況) が行っていることを基に、Web サイトが使用を検討する可能性のあるテクノロジーを予測できます。仕組み テクノロジーに多額の費用を費やしているすべての Web サイトについて、どのテクノロジーが一致するかを調べます。 クロスオーバーの量を使用して、Web サイトの推奨の重みを決定します。そのため、ウェブサイトが多くのテクノロジーで一致している場合、ウェブサイトが使用していないプレミアムテクノロジーは、ウェブサイトが一致するプレミアムテクノロジーが少ない場合よりも強く推奨されますこの例では、Overstock は Arup を推奨しており、その逆も同様です。推奨の重み付けはそれほど強くありません。一致するテクノロジーのクロスオーバーがかなり低いためです (ほとんどのプレミアムテクノロジーは共有されていません)。これを行うには、Matrix Factorization などの真の AI モデルを使用しないのはなぜですか? 試してみましたが、データセットの結果は非常に悪く、AI モデルは「マジックナンバー」を使用しますが、それを制御することも、実際に何をするのか理解することもできません。その良い例は、MatrixFactorizationTrainer のコードにあります。そこには、「より良い結果を得るには、以下を使用してください」という参照があり、その後に 2 つの変数がありますが、なぜより良い結果をもたらすのかについては説明されていません。 私たちが使用するアルゴリズムには非常に明確な方法論があり、それがどのように実装され、なぜ機能するのかを理解しています。 それは本当に機能するのでしょうか?はい、そうだと思います。たとえば、Magento Enterprise の「将来の顧客」は、一般的にすでに「Magento」をテクノロジーとして使用しています。これら 2 つのテクノロジーが関連していることや、Magento Enterprise の顧客は論理的に Magento から始めることになることをシステムに伝えませんでした。推奨事項 API エンドポイントはい、JSON および XML 応答を提供する API エンドポイントを介してデータにアクセスできます - https://api.builtwith.com/recommendations-api。独自のモデルを作成する独自のモデルを構築するための基礎データを取得するには、BuiltWith Datasets を使用する必要があります。