经过大量研究后，我们决定使用Google Cloud基础架构，并在我们的产品推荐系统中使用ALS算法（协同过滤方法 - https://cloud.google.com/solutions/recommendations-using-machine-learning-on-compute-engine#Training-the-models），详细说明如下：
我们有两种类型的客户。第一类是在附近销售产品的公司，第二类是将从这些公司购买产品的消费者
当消费者找到公司时，他/她可以执行以下操作（他可以一次执行多个项目）
2.1。仅查看公司资料
2.2。将公司添加到收藏夹
2.3。开始与公司聊天
2.4。从公司订购
2.5。给公司评级和评论
所以我不明白的是：上面描述的每个项目都被确定为我们数据库中的某个评级列，例如：
查看公司简介：10分
从公司订购：20分
给公司明星或评论：20分
所以每个项目都是同一个用户的单独评级。 在我们的用户 - 公司对数据库中，可能有超过1行 例如：
第1行：user18-company18-10pts（已查看个人资料一次）
第2行：user18-company18-20pts（从公司订购）
第3行：user18-company19-10pts
我对这个算法不确定，是计算该用户对同一家公司的评级的所有评级的总和（我真正想要的是什么），还是只是为用户的评级寻找一行一家公司？ （我想要的是这个ALS算法总结该用户 - 公司对的row1和row2）
有谁知道吗？这对我们的推荐系统非常重要。因为我正在寻找的算法需要计算用户的所有评级的总和，以便推荐另一家公司。因为我们的商业模式与电影评级系统不同
由于
答案 0 :(得分：0)
与google的示例（https://cloud.google.com/solutions/recommendations-using-machine-learning-on-compute-engine#Training-the-models一样，查看2个矩阵图表）一样，矩阵应该是每个客户1行，1列是您尝试推荐的公司/产品。
如果您尝试向用户推荐公司（这是我从您的示例中所理解的），那么您应该对每个完整之间的互动进行评分。用户和公司，每个用户只有1行。
考虑到你的3个交互的例子，我从另一个用户（用户21）添加了3个以上的交互：
user18-company18-10pts（查看过的个人资料一次）
user18-company18-20pts（从公司订购）
user18-company19-10pts
user21-company16-20pts（从公司订购）
user21-company16-20pts（给予明星或对公司发表评论）
user21-company18-10pts（查看个人资料一次）
然后，你的矩阵应该是：
第1行，第18:30行（来自用户18的10 + 20）
第1行，colunn 19:10（来自用户18）
第2行，第16列：40（来自用户21的20 + 20）
第2行，第18列：10（来自用户21）