是否可以使用协同过滤来推荐事件？

Question

我一直在阅读协作过滤来构建推荐引擎，这些例子往往围绕着电影这样的东西，用户对他们看过的电影进行评分，然后用它来查找他们可能喜欢的其他电影。

但在事件的上下文中，这似乎没有什么意义，要求用户对事件进行评分并不是特别有帮助，因为他们只能在看到事件后才能对其进行评分，并且假设这是一个一次性事件，到那时已经结束，您不能再向任何人推荐它。

我知道这样做的一个选择是，如果他们买了一张门票，就给他们1分，如果他们没有买到，就给0分。但这也不是很理想，因为有些人可能会买到一张门票，讨厌它，不想被推荐任何类似的东西。此外，它还假设您知道用户何时购买了可能并不总是可能的东西的门票。

那么，有没有一种很好的方式来对事件进行协同过滤，如果没有，是否有其他更适合的算法？

Answer 1

我不确定我会驳回你描述电影排名的方式，altogether...but也许你需要完善你收集的数据。

似乎你的基本方法是基于“其他喜欢X的人也喜欢Y的人”来推荐。好吧，X和Y不一定是精确的东西。也许如果你给X评级，这个评级就会以某种方式应用于X的子组件。在电影的情况下，这可能是主演，导演和类型。在夜间表演的情况下，这可能是行为和表演者的类型。

因此，即使你的用户可能会对事件进行评分，你也可以根据这些“标签”或子组件进行推荐。例如，“其他喜欢ComedianA的人也喜欢ComedianB，”或者“很多喜欢ComedianA的人都会去看ComedianB。”