基于标签的推荐系统

Question

我想设计一个这样的推荐系统：

• 我有很多有不同标签的餐馆
• 我让用户使用这些标签进行搜索。
• 我想根据用户搜索最多的标签提出建议。

我不是在找复杂的算法。

例如：

我有一个用户搜索过：

tag1 - n1时报

tag2 - n2时报

tag3 - n3时报

tag4 - n4时报

tag5 - n5时报

有3家餐厅有相应的标签：

restaurant1: tag1，tag2，tag4，other_tag

restaurant2: tag5，other_tag

restaurant3: tag1，tag4，other_tag，other_tag

我在思考以下逻辑：

N= n1 + n2 + n3 + n4 + n5

让t_i = i_th餐厅的标签数量

然后我将计算：

R1 = sum(is_tag_i_in_restaurant1 * ni) / t_1，其中我从1到5

R2 = sum(is_tag_i_in_restaurant2 * ni) / t_2，其中我从1到5

R3 = sum(is_tag_i_in_restaurant3 * ni) / t_3，其中我从1到5

T1 =n/ t_1

T2 =n/ t_2

T3 =n/ t_3

现在，对于每一家餐厅，我将把Ri和Ti进行比较。比方说，如果Ri >= Ti/2，我会认为它是一个建议。

这样做好吗？你能给我推荐更有效率的东西吗？

Answer 1

谷歌学者和http://grouplens.org/publications有关于标签的学术研究，特别是杰西·维格，Shilad Sen，Tien Nguyen和John的工作。在预测标签偏好方面也做了很多思考。看看那张塔古姆补纸。一般来说，用户和物品(餐馆、电影或其他东西)都有一定比例的标签价值，比如偏好或合适性。然后使用类似余弦相似的相似算法找到最近的邻居。