如何解决产品推荐问题：用户__bought__ XXX也__viewed__ YYY

Question

我目前正在学习推荐系统，了解了协同过滤，用户CF，项目CF，很明显使用这些算法来解决如下问题： 1）用户买了XXX也买了YYY 2）用户查看XXX也查看了YYY

我的问题是：如何解决问题： 1）用户购买XXX也查看了YYY 2）用户查看XXX还买了YYY？

更新：刚刚将标题更正为：“用户已购买 XXX还已查看 YYY”

Answer 1

虽然我不确定这是否真的是“推荐”，但我可以告诉您如何在Mahout中跨域推荐。您将构建两个DataModel，一个基于用户项目购买，一个基于用户项目视图。您可以使用购买数据作为UserSimilarity或ItemSimilarity实施的输入，但是，然后将视图数据作为输入DataModel提供给Recommender实施。然后你会计算出更像你的建议。

Answer 2

看看Taste framework。有关更多替代方案，请查看此帖子Recommendation Engines for Java applications

Answer 3

假设您有两个表产品和sold_products。每次销售产品时，都会将其添加到sold_products表中。我们会说这两个表与product_id相关，order_id用于在sold_products中将订单分组。

我们假设您正在查看的产品的product_id为1234。

1. 从包含该产品的最后25个订单中获取order_id列表。

SELECT DISTINCT sold_products.order_id FROM sold_products WHERE product_id = 1234 LIMIT 25

1. 从那里我们将所有的id放入由角色分隔的字符串

e.g。 PO1234，PO435，PO3456 ....

1. 从这些订单中选择产品ID，我希望按频率排名

SELECT DISTINCT products。* FROM sold_products LEFT JOIN products on products.product_id = sold_products.product_id WHERE sold_products.order_id IN（PO1234，PO435，PO3456 ....）AND NOT sold_products.product_id = 1234 GROUP BY sold_products.product_id ORDER按COUNT（1）DESC

Answer 4

您需要参考OReilly的“编程集体智慧”一书的第2章。要想出匹配产品，即“购买此商品的客户也购买了......”部分，您需要

• 首先收集各种用户的偏好
• 然后找到类似的用户
• 然后查看他们购买或喜欢的其他商品。

上述步骤涉及算法。该书中给出了更多细节以及这些算法的python代码。

Answer 5

您通常需要两个数据集。我是交易ID＆amp;作为第一和第一的产品visitorID＆amp;产品被认为是第二个，可以将任何两种产品一起销售（或查看）。你可以使用R（统计软件）＆amp;安装一个名为“arules”的软件包，以便轻松生成这些建议。

以下是您可能希望在R

中查看的示例代码

setwd（“C：/ Documents and Settings / rp / Desktop / output”）; install.packages（“arules”）; 库（“arules”）; txn = read.transactions（file =“Transactions_sample.csv”，rm.duplicates = FALSE，format =“single”，sep =“，”，cols = c（1,2））; basket_rules＆lt; - apriori（txn，parameter = list（sup = 0.5，conf = 0.9，target =“rules”））; 检查（basket_rules）;

如果您真的想了解它是如何运作的，您可能需要查看名为产品购买模式分析的http://www.tatvic.com/resources白皮书，该白皮书说明了如何使用您的网络数据完成此任务。

此外，如果您想为其使用现成的API，可以在http://www.liftsuggest.com/how-lift-product-recommendation-works

获取