时间敏感型协同过滤

Question

我正在尝试使用协作过滤来根据用户过去的购买向他们推荐商品。我已经创建了一个表示他的使用情况的用户向量和项目向量( A )，其中的值填充为给定A的B的概率。目标是在一定程度上捕获在项目向量表示中一起出售的项目。现在我需要找到应该提交这些建议的时间。由于我推荐的项目是定期使用的，所以时机非常重要。

因此，我正在尝试探索基于约束的建议，以使我的建议对时间敏感。我正在考虑的方法是根据最后购买日期和平均消费率创建时间敏感的约束。但问题是创建约束，因为用户级别将在计算上变得困难。

我需要你的建议，关于任何更好的方法或建议，以实现同样的方法。所有我想开发一个推荐引擎使用客户的使用数据的项目，消费和需要再次购买。我需要输出推荐列表以及向用户呈现推荐的时间

谢谢

Answer 1

在我看来，这里有两个基本选项可供选择。一方面，时间特征可以作为附加信息合并，并转换为一种混合推荐。Python包"lightfm“就是一个很好的例子。另一方面，该问题也可以建模为时间序列问题。一篇关于下一篮子推荐的著名论文是“下一篮子推荐的动态递归模型”。这里也已经有了Github上的实现。