可以推荐已购买物品的推荐模型

Question

大多数推荐算法向用户推荐新产品。

如果你买了这个，你可能会喜欢这个

但有时，用户最有可能购买的是他之前购买的物品。

是否有适合这种使用的算法？

Answer 1

通常，推荐算法提供了用户喜欢某一项的信心。用户已经购买的物品应该有很高的信心--用户购买它们是因为他喜欢它们。

在大多数情况下，用户已经完成的过滤项是在应用程序级别，而不是在算法级别。

因此，您可以使用常规的推荐算法来知道用户是否会喜欢这个项目。

请注意，您可能面临一个不同的问题-用户购买该项目的第二次/第三次。为了解决这个问题，使用一些领域知识可能是有益的。如果产品通常有很多次(如牛奶)，只需使用推荐算法即可。如果所有的产品都有相同的购买倾向，那么为此建立一个模型(例如，给定购买x次的下一次购买的概率)，并将模型组合起来。如果您的产品与这方面有很大的不同，您可能需要进入一个较低的层次。不同的领域需要不同的解决方案，但您可能会根据购买行为来分割产品，培训很少的推荐系统，添加购买的数量作为一个功能，等等。

Answer 2

你真正要寻找的是一种叫做基于内容的过滤技术。

正如维基百科所定义的那样：

在设计推荐系统时，另一个常见的方法是基于内容的过滤。基于内容的过滤方法基于对项的描述和用户偏好的配置文件。在基于内容的推荐系统中，关键字用于描述项目，并构建用户配置文件以指示用户喜欢的项目类型。换句话说，这些算法试图推荐与用户过去喜欢的(或现在正在检查的)相似的项目。特别是，将各种候选项与用户先前分级的项进行比较，并推荐最佳匹配项。该方法的基础是信息检索和信息过滤研究。

更多的信息可以找到这里。