高效的库，根据用户历史推荐产品

Question

我有一个数据库，其中包含每个用户查看过的产品，我想根据用户查看的内容推荐产品。是否有可以实现此目的的Python库？我不需要Netflix质量结果，只需要更有可能感兴趣的产品。有什么想法吗？

Answer 1

您可以查看pysuggest。

来自网站：

  

SUGGEST是一项前N推荐   实现各种各样的引擎   推荐算法。前-N   推荐系统，个性化   信息过滤技术，是   用于识别一组N个项目   将是某个用户感兴趣的。   近年来，top-N推荐者   系统已被广泛使用   不同的应用程序   推荐客户的产品   最有可能购买;推荐电影，电视   用户可以找到的节目或音乐   愉快的;识别那些网页   会感兴趣;甚至建议   替代搜索方式   信息。

Answer 2

k-Nearest Neighbor 可能是基于Web的实时推荐系统最常用的算法。

在 NumPy / SciPy 中，您有多种选择[注意：答案在12月12日更新以反映 sklearn 库中的更新]：

{li}中的

• 最近邻居模块（又名 sklearn ）;这是一个复杂的kNN实现，包括邻居加权和投票以及非常有效的存储/检索组件（球树）;

• scikit-learn。我已经将它用于了几个项目，虽然我不太可能将它用于我的下一个项目，因为现在可以使用sklearn，这是一个更新的kNN实现。仍然，空间模块有一个 kd-tree类（ kd-tree 而不是标准的numpy数组被这个模块用来存储数据，这些数据沿着w / Voronoi tesselation ，是存储kNN非常大的数据集的最常见的专用数据结构）;此外，它还有几种距离度量的方法（除欧几里德距离外）。

Answer 3

这是另一个实现推荐系统的python库：

ocelma / python-recsys

使用起来非常简单！请看这里的一些例子：
Quick start¶