我正在根据查询日志构建推荐系统。对于每个查询日志，我都有用户点击了哪些链接的数据。用户不会为他们访问的链接提供任何评级。 我正在尝试创建一个推荐系统，如果您点击了这个，请尝试另一个类似用户试过的＃34;。我正在探索Apache Spark - MLLib来使用协同过滤。不幸的是，ALS算法需要＆＃34;评级＆＃34;数据
以下是我上网的解决方案之一：
＆＃34;对于我们想要推荐的每个页面，我们会搜索查看该页面的所有用户。然后，对于每个用户，我们会查找他们查看过的所有其他页面。然后，我们计算已查看此数据集中每个页面的用户数量，并使用计数最高的用户作为我们的建议。＆＃34;
用户建议此方法很慢。
我想知道是否有一种很好的方式来假装＆＃39;排名数据，还是有一个流行的开源实现，不需要排名数据？
答案 0 :(得分：1)
评级也可能是重要的。点击了ex（user1，url1,1 / 0），1/0。
现在你问的是另一个问题，无论如何，稀疏矩阵和密集矩阵之间存在差异。你不需要添加任何0，这就是评级的想法，你有那些你点击的，例如（u1，url1,1），如果这是用户1点击它的唯一网址，你做的不需要为那些尚未点击的人添加咒语。模型知道这是正在使用的输入数据格式。
我希望它有所帮助。