It happens that Mateusz Ludwin formulated :
> To są dwa _wykluczające się_ zestawy preferencji. To że ktoś lubi zobaczyć
> statek na morzy lub drzewa i zwierzęta nie znaczy, że lubi zobaczyć zwierzę
> na statku.

Ale właśnie o tym pisałem odnośnie korelacji obrazków.
Szansa występowania zwierzęcia na statku jest mała, ponieważ cechy
występujące na obrazkach są zwykle silnie skorelowane.

> Jeżeli użytkownika będzie interesować operacja OR z kilku zestawów
> preferencji, to po prostu doda sobie taki zestaw samodzielnie.

Według mnie właśnie ten proces autor wątku chce zautomatyzować.

> Kolor może być jak najbardziej jedną z cech. Np. "zdjęcie ma odcień zielony".
> I ktos może lubić zielone pejzaże i czarno - białe portrety, ale czarno -
> białe pejzaże go nie zainteresują. 0 w wektorze preferencji wcale nie jest
> słabsze od 1.

Tu już by się musiał wypowiedzieć autor wątku, czego potrzebuje.
Jeżeli algorytm ma działać w ramach niewielkiej usługi bazodanowej, to
zaproponowane rozwiązanie będzie działać nawet dla dużej liczby
użytkowników i obrazków, choć nie w sposób optymalny.
Jeżeli wymagania biznesowe są większe i odpowiadają dostępnym środkom,
to dla każdego użytkownika można przeprowadzać pełną analizę asocjacji
jego preferencji, ale jest to problem zupełnie innej klasy...
Z wypowiedzi autora wątku wywnioskowałem zapotrzebowanie na coś
prostego.

> To co proponujesz sprowadza się tak naprawdę do jednego wektora preferencji,
> a tu uzytkownik może podać wiele. I powinno się sprawdzać każdy z wektorów z
> osobna, a potem wziąć minimalną znalezioną odległość.

To też dobry pomysł - można oceniać X ostatnio oglądanych obrazków i
szukać im podobnych. Uwzględni to zmianę preferencji użytkownika w
czasie.

pozdrawiam,
Jakub