基于内容的推荐量表

Question

这个问题可能在博客和Q＆amp; A网站上反复出现，但我还没有找到具体的答案。

我正在尝试仅使用购买历史记录为客户构建推荐系统。

• 我们说我的应用程序有n个产品。
• 根据属性（如国家/地区，类型，价格）计算所有n种产品的项目相似度
• 当用户需要推荐时 - 为用户u循环以前购买的产品p并获取类似产品（相似性在上一步骤中完成）

如果我是对的，我们称之为基于内容的推荐，而不是协同过滤，因为它不涉及项目或用户偏好与项目的共同出现。

我的问题是多方面的：

1. 是否有任何现有的可扩展ML平台可以解决基于竞争的推荐问题（我可以采用不同的技术/语言）
2. 有没有办法调整Mahout以获得此结果？
3. 分类是处理基于内容的推荐的一种方式吗？
4. 图表数据库是否适合解决问题？

注意：我看过Mahout（因为我熟悉Java和Mahout显然是利用Hadoop进行分布式处理），这样做的规模和优势都是经过充分测试的ML算法。

感谢您的帮助。任何例子都会很棒。感谢。

Answer 1

所谓的项目推荐器是预先计算相似性的自然候选者，因为项目的属性很少改变。我建议你预先计算每个项目之间的项目相似度，并且可能存储每个项目的前K，如果你有足够的资源，你可以将相似性matix加载到主存中以进行实时推荐。

在Mahout中查看我对这个问题的回答：Does Mahout provide a way to determine similarity between content (for content-based recommendations)?

示例是如何计算项目之间的文本相似性，以及如何将预先计算的值加载到主存储器中。

有关保存值的不同数据结构的性能比较，请查看以下问题：Mahout precomputed Item-item similarity - slow recommendation