首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >在推荐系统中,如何避免推荐用户刚刚购买的产品?

问在推荐系统中,如何避免推荐用户刚刚购买的产品?
EN

Data Science用户
提问于 2020-02-24 16:20:34
回答 1查看 200关注 0票数 1

假设我正在经营一家在线商店,该商店销售许多产品,但只销售几个类别,例如:A、B或C。

假设用户购买了A类的产品,至少在一段时间内没有向他推荐该类别的产品的意义。这可能是一种“您可能也喜欢”面板的形式,或者实际上是对推荐引擎本身的一种修改。

更好的是:假设我知道一个产品在时间之后被重新购买的概率密度P(\Delta t | A),\Delta t从A类别中购买(其他类别也是如此)。

我的问题是:如何为每个类别的\tau_X选择时间阈值X\in \{A, B, C\},以便一旦某个给定用户购买了类别X中的产品,那么该类别中的其他产品将不会被推荐给该用户使用时间\tau_X?

不显示该类别的用户产品的主要“收益”是,我们可以将推荐槽用于其他类别,从而增加用户购买新产品(从其他类别)的机会。

这个设置类似于什么众所周知的问题吗?我应该搜索哪些关键词来找到更正式的问题陈述和/或可能的解决方案?

EN

回答 1

Data Science用户

发布于 2020-02-24 18:31:18

有趣,所以是的,我想你可以从你的数据中找出商品类别之间的间隔时间。一些随机的想法:

我能想到的最简单的答案是找到每个类别的平均时间,并以此作为阈值。从经验上看,这是消费者更有可能再次购买的时候。

这是相当二进制的,只是将所有建议从一个类别中删除。你可以想象,比方说,当足够时间累积的概率为20%时,A类中有20%是最重要的建议。或者把它分解成一个评分函数,然后乘以这个概率,然后重新排序。(也就是说,有80%的机会根本不感兴趣,还有20%的机会像往常一样感兴趣。)

要做到这一点,您可能需要安装一个发行版,而且威布尔看起来很有吸引力。作为指数的一种推广,指数可以被认为是事件之间的时间,比如购买速度是恒定的,它可以容纳一个随时间增长的速度。也就是说,回购率从低水平开始并上升。

这两种情况都太悲观了,因为你更想评估他们何时愿意再次购买,而不是再次购买,这在你的数据中可能是非常罕见的。也许,您可以在那些已经或没有在该类别中购买过的人中,对每个类别的购买率进行建模,并根据经验确定该比率何时恢复到类似的水平。

票数 2
EN
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://datascience.stackexchange.com/questions/68624

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档