基于标签的推荐系统

Question

我想设计一个这样的推荐系统：

• 我有很多餐厅有不同的标签

• 我让用户使用这些标签进行搜索

• 我想根据用户最常搜索的标签提出建议

我不是在寻找复杂的算法。

例如：

我有一位搜索过的用户：

tag1 - n1次

tag2 - n2次

tag3 - n3次

tag4 - n4次

tag5 - n5次

还有3家餐厅有相应的标签：

restaurant1：tag1，tag2，tag4，other_tag

restaurant2：tag5，other_tag

restaurant3：tag1，tag4，other_tag，other_tag

我在考虑以下逻辑：

令n = n1 + n2 + n3 + n4 + n5

设t_i =第i餐厅的标签数量

然后我会计算：

R1 = sum（is_tag_i_in_restaurant1 * ni）/ t_1，其中i从1变为5

R2 = sum（is_tag_i_in_restaurant2 * ni）/ t_2，其中i从1变为5

R3 = sum（is_tag_i_in_restaurant3 * ni）/ t_3，其中i从1变为5

T1 = n / t_1

T2 = n / t_2

T3 = n / t_3

现在，对于每家餐厅，我都会将Ri与Ti进行比较。假设，如果Ri> = Ti / 2，我会将其视为推荐。

这是一个很好的方法吗？你能推荐一些更有效率的东西吗？

Answer 1

Google学者和http://grouplens.org/publications有关于标签的学术研究，特别是Jesse Vig，Shilad Sen，Tien Nguyen和John Riedl的作品。很多人都在考虑预测标签偏好。看看Tagommender纸。通常，用户和项目（餐馆或电影或其他东西）都具有某种规模的标签值，例如偏好或适当性。然后使用类似余弦相似性的相似性算法找到最近邻居。