Question

我们现在拥有什么？ - 我们正在使用Mahout的GenericItemBasedRecommender为使用TanimotoCoefficientSimilarity作为ItemSimilarity的用户获取推荐产品列表。

我们想从哪里开始？ - 当我们不关心产品类别时，上述工作正常，但我们想知道的是产品类别特定的建议，即如果用户说一直在购买，浏览，喜欢等等，特别是在男士和小工具类别，我想在这个特定的类别中显示这个用户推荐说在[X]中推荐给你，在这种情况下X将被男士或小工具取代。我们正在考虑以下几个方案来实现这一目标，我们需要一些线索/意见/反馈等，以确保我们朝着正确的方向前进。选项：

首先，我们必须转移到非tanimoto版本来计算项目相似度，以便我们考虑用户购买，喜欢等，而不仅仅是查看/浏览数据。
确定特定用户的产品类别（这是我们需要指导的地方） - 我们的产品类别层次结构基本上是一棵树，我们需要知道树中我们将显示哪些前4个节点（具有最佳推荐）给用户。此外，如果我们说节点X是我们向用户显示的类别而节点Y是节点X的父节点，那么我们就不希望在类别Y中显示用户产品或任何父节点。实现这一目标的几种方式：
- 对于每个用户，计算叶级节点的项目的相似性得分值的SUM，并递归计算父节点直到根。现在在每个节点处我们得到A = SUM的相似性得分＆amp; B =推荐的项目数，因此我们在每个节点上也有A / B =值（V）。现在我们从树中选择前4个V值并将其推荐给用户。这里面临的挑战是，如果我们在请求期间尝试在线计算，我们很难将此限制在整个请求的150毫秒以下。一个例子：
```
 Root Level   -     Category12 (A=11, B=4) (category1 + category2)
                                        |
                   _____________________|_________________________
                 /                                                \
                /                                                  \ 
Leaf Level - category1 (A=6, B=2)                          category2 (A=5, B=2)
```
  第1类推荐产品：第1项（得分= 2），第2项（得分= 4）
  第2类推荐产品：第3项（得分= 1），第4项（得分= 4）
- 第二个选项：对于每个类别，根据用户的行为（喜欢，购买，观看等）创建用户群，然后找出用户所属的前4个类别。不确定我们是否可以使用Mahout中的群集来实现此目的，但我认为我们可以离线执行此操作。

请提供您的反馈/建议/线索/想法。

提前致谢！

Answer 1

如果您想对数据中的多个事物进行建模，我建议使用SVD推荐器，而将ALSWR因子设置为隐式反馈。完成后，您可以在数据中使用user,item,preference，preference值将是您的用户与该项目的关联程度。您可以使用这些数字，例如，购买的结果为20，视图只是2。我只是在这里抛出数字，我不知道哪种方法最适合您的数据，因为您也可以按比例对事物进行建模，如果购买的可能性比视图低30倍，那么购买应该是比观点强30倍。
Mahout提供了一种通过IDRescorer影响推荐的方法。您可以在此处实现自己的逻辑，并决定如何影响建议。例如，IDRescorer会检查推荐候选项是否属于同一类别，如果属于同一类别，则将得分提高X.这里有一个示例（link）来自Mahout in Action Book（你肯定应该阅读的，显示一个rescorer。

希望这有帮助

Mahout：为特定产品类别的用户推荐商品

1 个答案: