我正在研究一个需要建立推荐人的特定问题。
广义问题如下，
每个用户都注册了（比方说）x门课程（c1，c2，c3，.. cx）
根据每门课程的不同，我需要向用户提供（比方说）前5个提示/建议（例如可能有用的学习资料等）
我需要应用协作元素来了解哪些推荐对用户有用
我查看了像Apache Mahout Taste这样的推荐引擎，但是我无法以看起来像示例的方式来模拟我的问题。 （用户与一个或多个课程相关联且每个推荐/提示可能与一个或多个课程相关联的额外过滤标准会让我失望。）
如果有任何好方法可以解决这样的问题，请告诉我？任何指向文档/示例的指针都将非常感激。
我刚开始在这个领域进行研究，如果我误解了任何概念，请耐心等待。
谢谢，
的Vivek
答案 0 :(得分：1)
这可能太简单了，不需要推荐人。如果每门课程都有一套相关的材料，那么很明显，选修课程c1意味着他们应该有相关的课程材料。也许从受欢迎的所有材料中排名。这可能非常简单，可以完成你需要的大部分工作。
如果你想把它建模为CF，你可以;我不知道你有多少数据。如果您只有少数几个用户和课程，那么提供有用的答案将会太稀疏。
您的用户与两件事有关：课程和材料。你不想推荐课程，而是推荐材料。我将构建两个数据模型：一个具有用户课程信息，另一个具有用户材料购买信息。使用用户课程数据作为定义用户 - 用户相似性的UserSimilarity实现的基础。然后将它与NearestNUserNeighborhood，GenericUserBasedRecommender一起使用，但使用其他用户材料数据模型。
您将根据课程使用用户 - 用户相似性来从材料中提出建议。