PredictionIO定制Universal Recommender

Question

我想为我们的网站实施Universal Recommender。

我已成功设置本教程自定义的基本配置。

我们提供的服务是电子商务，用户可以购买，例如，从0到5的价格，并将产品保存在其他操作中。

我对如何设置这些有点困惑：

• 喜欢/不像;
• 保存/删除;
• 率。

我知道我可以附加事件的属性，但我不知道如何设置的负权重，而不是和删除事件。 此外，如果我没有设置评估产品的范围，我不知道算法如何对评级进行加权。

希望你能开导我。

贝斯茨

Answer 1

Universal Recommender建立在相关交叉发生算法的基础上，该算法可以测量任意数量指标与建议操作的相关性。在您的情况下，您希望用户“购买”，因此您应该将其作为主要事件 - 将所有其他事件进行比较。

主要事件是

• 买

这样就产生了次要事件：

• 像
• 不同于
• 保存（到购物车？）
• 删除（从购物车？如果可能的话，可能不是很多指标）
• 率（有范围？）

你可以猜测低评级意味着“讨厌”，高评级意味着“爱”，抛出中间/模糊评级并用这两个新事件取代率。

如果你没有“买”，你可以用“爱”或“喜欢”之类的东西代替它作为主要事件。

将事件分为两种类型的要点是，通用推荐人将测试哪些次要事件与“购买”相关联，并自动对它们进行加权，以便所有这些事件都能用于推荐。