使用分类特征的协同过滤

Question

我正在尝试构建一个使用协作过滤的推荐系统。我所面临的问题是：

1. 用户项数据集多为分类变量，无法找到最佳的相似度矩阵计算方法.欧几里得/余弦距离在这里不起作用，试着用Jaccard距离。
2. 数据集没有项目的用户评级，相反，我们有分类器-“没有购买”，“购买”，“添加到购物车，但没有购买”。

我们使用XGB来获得特定用户购买特定项目的可能性，但是这种数据集对推荐没有帮助。

请您提出任何处理分类和分类数据的推荐算法(最好是python中的)吗？

提前谢谢。

Answer 1

关联规则挖掘在这里是有帮助的。它计算项目在用户历史记录中一起出现的相对可能性。它不同于协同过滤推荐技术，也不同于协作过滤推荐技术。