問題:

我們都愛啤酒。然而，今天我們面臨的是前所未有的選擇多樣性，讓我們感到不知所措和猶豫不決：我們下一個該喝什麼？

我的解決方案:

在我們的Hack Reactor論文計畫中，我構建了一個使用PredictionIO作為啤酒推薦引擎的機器學習服務器。廣義地說，該應用基於兩個主要策略：

1. 內容過濾方法：這使用每種啤酒的各種特性來識別其性質。例如，我們利用breweryDB來確定特定啤酒的風格，其酒精度（ABV）和其國際苦味單位（IBU）。然後我們查詢數據庫以找到風格相似的啤酒。

2. 協同過濾方法：這完全依賴於過去的用戶行為，特別是你的啤酒評級。它使用交替最小二乘法（ALS）算法的矩陣因子分解技術。我們通過從啤酒評級模式中推斷出來的因子向量來描述啤酒和用戶。啤酒和用戶因子之間的高度相關性將導致推薦。

使用矩陣因子分解的一個優點是其能夠加入附加資訊。當沒有顯性反饋（即，你的評級）時，我們可以使用隱性反饋，如你的瀏覽歷史和搜尋模式，來推斷出用戶偏好。

結果，OnTapp將你和適合你口味的啤酒配對起來。要獲得啤酒推薦並嘗試我們的示例，請訪問：http://ontappapp.com/.