如何解决产品推荐问题，如:用户__bought__ XXX也__viewed__ YYY

Question

我目前正在学习推荐系统，学习了一些关于协作过滤、用户CF、项目CF的知识，很明显，使用这些算法来解决问题是这样的: 1)用户购买XXX也购买YYY 2)用户查看XXX也查看YYY。

我的问题是:如何解决这样的问题: 1)用户购买XXX也查看YYY 2)用户查看XXX也购买YYY？

更新:刚刚将标题更正为：“用户购买了 XXX，也查看了 YYY”

Answer 1

虽然我不确定这是否真的是“推荐”，但我可以告诉您如何在Mahout中跨域处理推荐。您可以构建两个DataModel，一个是基于用户购买的，另一个是基于用户的项目视图。您将使用购买数据作为UserSimilarity或ItemSimilarity实现的输入，但是，然后将视图数据作为输入DataModel提供给Recommender实现。这样你就可以计算出更像你建议的东西了。

Answer 2

假设您有两个表产品和sold_products。每次销售产品时，都会将其添加到sold_products表中。我们将说这两个表是由product_id关联的，order_id用于在sold_products中将订单分组。

我们将假设您正在查看的产品的product_id为1234。

1. 从过去的25次订单中得到了一份包含该产品的order_ids列表。

从sold_products选择DISTINCT sold_products，其中product_id=1234限制为25

从

1. 开始，我们将把所有的id放入一个字符串中，这个字符串由comers

分隔。

例如PO1234，PO435，PO3456。

1. 从这些订单中选择产品I，我喜欢按频率

排序

选择不同的产品。*从sold_products中选择sold_products.order_id IN (PO1234，PO435，PO3456.)而不是按sold_products.product_id=1234 (1) DESC按sold_products.product_id顺序分组

Answer 3

您需要参考奥赖利的“编程集体智能”(编程集体智能)一书中的第2章。想出配套的产品，比如，“顾客买了这件东西也买了.”分段，你需要

• 首先收集不同用户的首选项(
• )，然后查找类似的用户
• ，然后查看他们购买或喜欢的其他项目。

在上述步骤中涉及到一些算法。在这本书中给出了更多的细节，以及关于这些算法的python代码。