如何在项到项协作筛选中创建用户和项配置文件？(非评等个案)

Question

我想为一个优惠券网站建立一个推荐系统，它应该做以下工作:考虑到用户过去的购买行为，推荐用户可能购买的优惠券。数据对用户的优惠券没有任何评级。它告诉用户是否购买了某种优惠券，它属于哪一类，购买这些优惠券的用户的性别和位置等等？我正在实现一项对项目的协作过滤。根据我从有关这一主题的视频中学到的知识，以下是我的方法：

1. 构建所有优惠券的项目配置文件，其属性包括优惠券的类别、优惠券的位置以及可赎回优惠券的日期。
2. 创建所有注册用户的用户配置文件，其属性包括年龄、性别和位置。

现在，我正在创建一个项和用户矩阵，在其中，我将在列中的行和用户上有优惠券。我将填写0和1取决于一个优惠券C1购买的用户U1在过去是否。在同一数据集中，对于我要预测的优惠券，我将根据项之间的余弦相似性计算分数。

我的问题是，如果我只使用0和1s (购买或不购买优惠券)来推荐优惠券，项目和用户配置文件的用途是什么？我如何将智能整合到推荐系统中，如果用户在过去从X类购买了更多的优惠券，而不是推荐他从同一类别购买新的Y优惠券？我在网上读到关于使用随机森林等来计算推荐系统中属性的“权重”，它们在这个场景中适合什么地方？

P.S.我在R.

事先非常感谢您的任何建议。

Answer 1

您可以使用您的项目和用户配置文件来生成一个预测函数(即，一个预测优惠券对用户有多相关的函数，也称为对您的项目和用户的表示)。用于此目的的典型函数是点积和余弦相似。这一步骤确保了建议中的情报将包含类别信息。

一旦你的分数被预测，你必须使用一个损失函数将它们与你的历史互动进行比较(一些例子是均方根误差和Kullback-莱布勒散度)。此步骤将产生一个错误，您可以使用该错误通知学习算法(例如，调整表示函数中的项和用户的权重)。

关于更多细节，我强烈建议您查看由James编译的伟大的幻灯片，它提供了一个框架来统一已经完成的关于这个主题的研究。