我的问题如下： 我购买了一些产品的概率估算。背后的模型不会处理通过这些产品的任何相互关联。所以我的任务是重新校准概率并考虑相互关系：
问题描述的例子，例如为同一用户推荐两种产品：
产品1：购买概率。对于用户1是50％
产品2：购买概率。对于用户1是30％
可能：对于用户1产品2更好地宣传他，因为基础的相互关系而不是产品1，因为它是通过模型推荐的，因为概率更高。
我的原始数据包括：
- ＆GT; 1.用户项目矩阵：由购买概率组成
- ＆GT; 2.用户项目矩阵：由真实的购买（二元，但非常稀疏）组成
- ＆GT; 3.用户*项目矩阵：由实际点击数据组成（计算用户点击产品页面的频率;也非常稀疏）
我现在的问题是：
如何组合数据，有没有类似的approch你可能在一些论文中看到过？到目前为止，我的研究非常不吉利。关于评分规则或混合推荐系统有一些想法吗？但是直到知道，我还没有看到任何类似的任务......
亲切的问候，艾拉