我们正在尝试为我们的系统创建“后续步骤”推荐器：给定用户和上下文，我们需要一个可以提供用户可能想要采取的后续步骤的建议的模型 .
火柴盒推荐者获取评级，用户和项目 . 在我们的例子中， next steps 是项目， combination of a user and their context 是用户， usage data 是评级 .
“评价”：
UserID ScreenID Rating
1 ScreenA 50
1 ScreenB 35
3 ScreenA 55
3 ScreenB 60
3 ScreenC 10
5 ScreenA 50
5 ScreenB 35
5 ScreenD 10
“用户”：
UserID EmployeeID Role ContextCategory ContextTask
1 078570 Representative C Assignment/Reassignment
3 076545 Representative A Assignment/Reassignment
5 076545 Representative G Assignment/Reassignment
我训练了一个模型，创建了一个预测实验，并发布了Web服务 . 我不得不更改Web服务输入以询问用户及其上下文的组合（本质上是用户功能），并期望Web服务根据其他类似的“用户”给出建议：
但是，当我测试web服务时，它只返回所有受过训练的用户及其建议的列表，而不是我在输入中指定的新/冷用户的建议 .
结果：{“结果”：{“output1”：{“type”：“table”，“value”：{“ColumnNames”：[“User”，“Item 1”，“Item 2”，“Item 3” ]， “ColumnTypes”：[ “字符串”， “字符串”， “字符串”， “字符串”]， “值”：[[ “1”， “ScreenA”， “ScreenB”， “ScreenC”]，[“3 ”， “ScreenA”， “ScreenB”， “ScreenC”]，[ “5”， “ScreenA”， “ScreenB”， “ScreenC”]]}}}}
有很多关于为Matchbox推荐者创建训练模型的文档/示例，但是大多数都将项目作为输入，并将推荐项目作为输出 . 我找不到任何将用户作为输入的示例，并将其转换为有用的Web服务 .
1 回答
这是冷启动问题 . 要允许没有评分的用户，您需要使用用户功能训练推荐者 - https://msdn.microsoft.com/en-us/library/azure/dn905846.aspx
这是一个为冷启动案例传递用户和项目功能的示例 - https://gallery.cortanaintelligence.com/Experiment/Recommender-Restaurant-ratings-2
以下是上述案例的预测性实验，展示了如何在这种情况下为Web服务设置实验 - https://gallery.cortanaintelligence.com/Experiment/Recommender-Restaurant-ratings-Predictive-Exp-2