MLE岗take home challenge请教

最近面一个mle岗, 想请教一下这个challenge.
问题是已知不同用户一系列的搜索(地点)记录, 预测最有可能的下一次搜索(地点).

Data:
1.user a: place a, place b, place c, place k.
2.user b: place a, place g.
3.user a: place h, place b, place .
4.user d: place f.
5.user e: place z, place i.
6.user b: place g, place b, place c, place l, place a, place k.
7. ......

假如给place a, place c, place b, 那么下一个地点是?
大家有什么好想法欢迎多多指教.

seeper8 发表于 2020-2-29 23:48
我觉得可以，把所有地点one-hot encoding，然后试试不同的clustering办法，看看哪个比较好

多谢, 还有个问题是cluster之后怎么做推荐呢? 把组内所有place加起来频率排序?

我觉得需要先把有类似搜索记录的用户选出来，然后再根据每个group做推荐算法，因为一个从来和别人没有地点重合的人对其他人不太具有借鉴意义

目前想到一种方法是用LSTM做类似NMT的seq2seq算法, 或者many to one 的形式.
另外一种就是把所有place 改成one-hot feature形式, 用传统classifier做高维度(90个地点)的分类.

说句实话。。。感觉都不太能用得着机器学习。。。把类似用户的所有地点连起来，然后用频率进行排序然后给推荐。。。是不是就够了，个人意见哈

seeper8 发表于 2020/02/29 23:23:04
我觉得需要先把有类似搜索记录的用户选出来，然后再根据每个group做推荐算法，因为一个从来和别人没有地点重合的人对其他人...

这个方法挺好，那什么算法选出类似用户呢？用cluster算法？

leihao1313 发表于 2020-2-29 23:45
这个方法挺好，那什么算法选出类似用户呢？用cluster算法？

我觉得可以，把所有地点one-hot encoding，然后试试不同的clustering办法，看看哪个比较好

可以参考一些search engine的算法，尤其是map search, 好像确实不太用得着machine learning

leihao1313 发表于 2020-3-1 00:12
多谢, 还有个问题是cluster之后怎么做推荐呢? 把组内所有place加起来频率排序?

需要处理一下数据，我现在的想法是把所有places一对一对列出来，你可以相邻的两个，隔一个的两个，隔两个的两个，一直到列出来大概所有的，然后做一下count，排一下序，可视化出来，看看隔几个的频率较高，然后设定那个为bar，然后再进行推荐

统计小白来弱弱的说一下。。。
刚学了一门machine learning课 有讲到一个关于association analysis的algorithm叫Aprior好像是用来做这个的 比如买啤酒的同时都买尿不湿之类的。。。find frequent itemset
然后对low support pattern可以用一个叫clique algorithm的are used to find strongly coherent groups of items感觉可以用来解决这类问题。。。？
我也不懂。。。