我正在尝试使用协同过滤功能，根据用户过去的购买情况向用户推荐商品。我已经创建了一个用户向量来表示他的用法和项目向量（A），其中的值填充为给定A的B的概率。目标是在项目向量表示中有些捕获一起销售的项目。现在我需要找出应该提出这些建议的时间。由于我推荐的项目是定期使用时间非常重要。
所以我正在尝试探索基于约束的建议书，以使我的推荐时间敏感。我想的方法是根据最后购买日期和平均消费率创建时间敏感的约束。但问题在于创建约束，因为用户级别将变得难以计算。
我需要你对任何更好的方法来实现相同方法或建议的建议。我想要使用客户的消费和再次购买所需物品的使用数据来开发推荐引擎。我需要输出推荐列表以及向用户提供推荐的时间
由于
答案 0 :(得分：0)
我看到的方式，你可以追求两个基本选择。一方面，时间特征可以作为附加信息并入并转换成一种混合推荐。 Python包“lightfm”就是一个很好的例子。 另一方面，该问题也可以建模为时间序列问题。处理Next Basket Recommendations的一篇着名论文是“下一个篮子推荐的动态轮回模型”。在这里，Github上已经有了实现。