针对已跟踪某些偏好的用户的“推荐项目”的算法

Question

是否有任何众所周知的算法来确定网站经常使用的“推荐项目”？在一个新项目中，我目前正在跟踪他们查看过的内容，购买过的，搜索过的，受欢迎的等等。我很好奇最好的方法是利用所有这些信息来智能地提供有意义的建议。

Answer 1

我推荐你两本书：

1. 编写集体智慧

   Toby Segaran（ISBN：978-0-596-52932-1）
   http://shop.oreilly.com/product/9780596529321.do

   在本书中，“第2章提出建议”包括：

   • 协作过滤
   • 收集偏好设置
   • 寻找类似用户
   • 推荐商品 等。
     
     

2. 行动中的集体智慧

   Satnam Alag（ISBN：1933988312）
   http://www.manning.com/alag/

   在本书中，“Capter 12.构建推荐引擎”包括：

   • 推荐引擎基础知识
   • 基于内容的分析
   • 协同过滤
     
     

我希望它可以帮到你。

Answer 2

我认为easyrec是您跟踪此类用户互动的良好起点。您只需要在页面中加入一些javascript代码，然后完成剩下的工作。

http://easyrec.org/recommendation-engine

您还可以查看此处列出的其他推荐引擎 https://stackoverflow.com/questions/4469281/recommendation-engine# 但问题是这些框架中的大多数都是针对协同过滤的用户评级预测。

Answer 3

1. 有一些机制，比如“购买此商品的人也购买了”。
2. 类别上衣：如果有人正在查看“计算机/存储设备”，请展示该类别中最畅销的产品。
3. 之前的搜索：使用用户在之前会话中浏览过的（非攻击性）项目。 （有一种方法可以通过cookie跟踪未登录的用户）
4. 推广项目：展示推广项目并带来巨大商业利益。但是，不要因此而受到影响，展示一两个促销项目以保持观众的兴趣。

有推荐引擎，但是开发人员需要推动创建推荐。因此，很多时候我发现破解一些SQL脚本来获取它们会更好。