推荐系统取决于用户评等和喜爱列表。

Question

在我的项目中，我有一个日本清酒(黄酒)的数据库，.Each清酒具有以下属性，这些属性与清酒的味道有直接联系：

• 分类(枚举1-5整数)
• 酒精百分比(1-100整数)
• 波兰百分比(1-100整数)
• 酸度(双)

该系统的用户可以：

1. 差饷清酒(1-5倍价值)
2. 将蛋糕添加到他/她最喜欢的列表中。

基于这些用户数据，我正在考虑开发一个推荐系统。我正在研究协作过滤方法，但我猜它不适合这种情况？

这种用户推荐可以使用什么样的算法/技术？

编辑我正在寻找一种推荐算法，它不仅考虑了用户的评价，而且还考虑了味觉属性。

Answer 1

您可以使用协作筛选。从用户评等中，您可以定义一个包含缺失评等的评等矩阵，您的算法将预测它将向用户推荐项目。

项目数据和用户的whishlist可以作为辅助信息包括在内(基本上，您可以根据产品的酒精百分比、抛光百分比和酸度对其进行聚类，并使用K均值算法对用户进行排序)。看一看这篇论文：

https://pdfs.semanticscholar.org/a0bc/3d1c05da5b57bee066368ffd0839247832c8.pdf

Answer 2

非负矩阵分解显然是第一件要尝试的事情。

如果同时考虑了Sake和用户的因素。所以你会有一个“侧写”。

然后，您既可以预测评级，也可以预测用户是否将其添加到他们的收藏夹列表中。

这是一个标准的技术，可以用于各种领域，你可以阅读更多关于机器学习或推荐系统的任何好教科书。