基本推荐引擎算法

Question

我想写一个基本推荐系统的目标-C和我正在寻找一个基本的算法，为这项工作。不幸的是，现成的系统已经不在桌面上了，因为似乎没有一个是为了目标C。

我将有一个项目数据库，每个项目都有标签(比如带有“恐怖”、“动作”等标签的电影)。每个项目将有5个左右的这些标签。当用户第一次使用该应用程序时，他们的配置文件将根据他们对一系列问题的输入进行启动，并将一些标记与他们的配置文件相关联。

由于用户继续使用该系统并对各种项目进行评级(在恨/喜欢/爱的基础上)，我想根据这些反馈来调整推荐标记的权重。当他们的个人资料增加时，我也会考虑他们的一些其他属性，例如，如果这涉及电影的话，比如“80年代”。或者导演，坚持电影主题。

我选择避免普通的(或至少是流行的)推荐系统，因为它寻找类似的用户来生成推荐。这将有一个大型的项目数据库和最小的用户启动。

有人能为这样的算法推荐一个好的起点吗?我不想重新发明方向盘，还有很多呢？

Answer 1

请你参考一下python：https://github.com/ocelma/python-recsys，这个软件使用的是SVD算法，我认为它是一个基本的算法，但足够有效。所需的库是numpy和scipy，它们是用C编写的，由Python包装。我认为编译和移植到目标-c是容易的。

Answer 2

您可以使用基于项目的建议，这听起来非常适合您的需要。稍后，您可以开始将标记合并到权重中，但就目前而言，我建议只考虑项目。

您可以在http://www.cs.carleton.edu/cs_comps/0607/recommend/recommender/itembased.html上学到更多的东西，在网络上有很多实现。

您在文章中提到的内容将称为基于用户的协作过滤。