使用分类功能的协作过滤

Question

我正在尝试使用协同过滤构建推荐系统。我面临的问题是：

1. User-Item数据集主要有分类变量，因此无法找到计算相似度矩阵的最佳方法。欧几里德/余弦距离在这里不起作用，尝试使用Jaccard距离。
2. 数据集没有项目的用户评分，相反，我们有分类器 - ＆＃34;没有购买＆＃34;，＆＃34;购买＆＃34;，＆＃34;添加到购物车但没有购买＆ ＃34;

我们使用XGB来获取特定用户购买特定商品的可能性，但这种数据集对推荐没有帮助。

您能否建议处理分类和分类数据的推荐算法（最好是在python中）？

提前致谢。

Answer 1

关联规则挖掘在这里会有所帮助。它计算项目在用户历史记录中一起显示的相对可能性。它与协作过滤推荐技术不同，并且不同，有用。