图书推荐器系统

Question

我有一个用户，他购买了5种不同类型的书，即小说，小说，小说，非小说，自助。我将这些数据放在一个数据框中。

UserID  AGEGROUP    GENDER                    genre 
600003     0          1      [fiction, fiction, fiction, n-fiction, self-help]  

类似地，我有15000个用户的数据，包括购买的书籍类型（白纸，电子书等），类型等数据。使用这些数据，我需要预测用户可能会从不同的数据集中购买的书籍（不同的书籍，但变量相同（书籍类型，类型）。

我的问题是-对于每个用户，我如何计算购买一本书的可能性。是否采用用户的流派，书籍类型等模式（在上面的DataFrame中，我会进行小说创作，因为它会重复大多数次而不是5种流派），并尝试在新书中找到最近的书数据集？还是我可以采用其他任何方法来预测每个用户的类型和书籍类型。
PS：我是数据科学和python的新手

Answer 1

协作过滤可能正是您要寻找的东西。 它只是这样做：

用户A购买了{1,2,3}类型的图书

用户B购买了{2,3,4}类型的图书

因此系统建议用户A输入4，用户B输入1。

它基于用户相似度而不是书籍相似度。 您可以找到详细信息here。