根据其他用户的历史查询推荐产品

Question

给定用户数据，如下所示：

   user   query       date
0  jack   mango 2020-01-03
1  jack  banana 2020-01-04
2  jack   apple 2020-02-03
3  jack  orange 2020-03-03
4  john    meat 2020-07-03
5  john   water 2020-07-03

现在假设我们有一个新用户进入mango，我正在找到一种推荐用户产品的好方法。

一种方法是基于item2vec的以下方法：

import pandas as pd
df_user= pd.DataFrame( {'user':['jack','jack','jack','jack','john','john'],'query':['mango','banana', 'apple','orange','meat', 'water'],'date':['2020-1-3','2020-1-4','2020-2-3','2020-3-3','2020-7-3','2020-7-3']})
df_user['date']=pd.to_datetime(df_user['date'])

new_query='mango'

from gensim.models import Word2Vec

model = Word2Vec(sentences = df_user.groupby(['user'], as_index=False).agg(list)['query'], window = 9999999, min_count=1)
model.wv.most_similar(new_query, topn=10) 

奇怪的是，它给了

[('banana', 0.09904204308986664),
 ('orange', 0.004004828631877899),
 ('water', -0.022172965109348297),
 ('meat', -0.05908803641796112),
 ('apple', -0.1611100435256958)]

作为产出，“水”和“肉”排在“苹果”之后，

1. 我的执行有什么问题吗？
2. 除了item2vec之外，还有其他解决这个问题的好方法吗？

Answer 1

这似乎是使用Word2Vec imho的一种奇怪的方式。

一种简单的方法：

1. 相互计算每个不同值的PMI。
2. 对于任何新查询，请选择其中具有最高PMI的值。

如果您只想要最频繁的关联，您可以使用条件概率而不是PMI。