简单的建议/推荐算法

Question

我正在寻找一种简单的建议算法来实现我的Web App。很像Netflix，亚马逊等......但更简单。我不需要博士团队努力获得更好的建议指标。

所以说我有：

• User1喜欢Object1。
• User2喜欢Object1和Object2。

我想向User1建议他们也可能喜欢Object2。

我显然可以想出一些天真的东西。我正在寻找经过审查并轻松实施的内容。

Answer 1

优秀的建议算法有很多简单而不那么简单的例子 Programming Collective Intelligence

Pearson correlation coefficient（一篇有点干燥的维基百科文章）可以给出相当不错的结果。以下是Python中的实现和TSQL中的另一个实现以及该算法的有趣解释。

Answer 2

尝试使用Slope One算法，这是此类问题中最常用的算法之一。

here's t-sql中的示例实现

Answer 3

您可能需要查看Association rule learning和Apriori algorithm。背后的基本思想是你创建规则，如“如果用户喜欢Object1，而不是用户喜欢Object2”，并检查他们描述（你）现实的程度。在您的具体示例中，此规则将具有2的支持（作为两个用户，如Object1）和50％的置信度（在2个案例中的1个中规则为真）。我自己实现了一个基本的概念证明（实际上是我在Hadoop上的第一步）并且它并不太难。

或者，你可能想看看Apache Mahout - Taste。我自己也没用过它。

Answer 4

我会和K最近的邻居一起去。 wikipedia entry解释得很好，并且链接到参考实现。

Answer 5

k-最近邻算法

Answer 6

我创建了一个建议的文章算法，该算法使用关键字（而不是“产品购买”）来确定相关性。它需要一个关键字，并贯穿该关键字出现的所有其他文章，并根据哪些文章具有最匹配的关键字生成结果。

除了明显需要缓存此类信息外，他使用类似的方法有什么问题吗？