-1

我们现在有什么？- 我们正在使用 Mahout 的 GenericItemBasedRecommender 为使用 TanimotoCoefficientSimilarity 作为 ItemSimilarity 的用户获取推荐产品列表。

我们想从这里去哪里？- 当我们不关心产品类别但我们想知道的是产品类别特定的建议时，上述工作正常，即说如果用户一直在购买、浏览、喜欢等，特别是在男士和小工具类别中，我会然后想要在该特定类别中显示此用户推荐，并在 [X] 中为您推荐，在这种情况下，X 将被替换为男士或小工具。我们正在考虑以下几个选项来实现这一目标，我们需要一些线索/意见/反馈等，以确保我们朝着正确的方向前进。选项：

  1. 首先，我们必须转移到非tanimoto 版本来计算项目相似度，以便我们考虑用户购买、喜欢等，而不仅仅是查看/浏览数据。

  2. 找出特定用户的产品类别（这是我们需要指导的地方） - 我们的产品类别层次结构基本上是一棵树，我们需要知道我们将向用户展示树中哪些前 4 个节点（具有最佳推荐）。此外，如果我们说节点 X 是我们向用户显示的类别，节点 Y 是节点 X 的父节点，那么我们不希望在类别 Y 或任何父节点中显示用户产品。实现这一目标的几种方法：

    • 对于每个用户，计算叶级节点的项目相似性得分值的总和，并递归计算父节点直到根。现在在每个节点上，我们有 A = 相似性分数的总和 & B = 推荐的项目数，所以我们在每个节点上也有 A/B=Value (V)。现在我们从树中挑选前 4 V 值并推荐给用户。这里的挑战是，如果我们尝试在请求期间在线计算此时间，我们将很难将整个请求的时间限制在 150 毫秒以下。一个例子：

       Root Level   -     Category12 (A=11, B=4) (category1 + category2)
                                        |
                   _____________________|_________________________
                 /                                                \
                /                                                  \ 
Leaf Level - category1 (A=6, B=2)                          category2 (A=5, B=2)

      第一类推荐产品：Item1（分数=2）、Item2（分数=4）
      第二类推荐产品：Item3（分数=1）、Item4（分数=4）

    • 第二种选择：为每个类别创建一个基于用户行为（喜欢、购买、查看等）的用户集群，然后找出用户所属的前 4 个类别。不确定我们是否可以在 Mahout 中使用集群来实现这一点，但我认为我们可以离线进行。

请提供您的反馈/建议/线索/想法。

提前致谢！

4

1 回答 1

0

  1. 如果您想在数据中建模不止一件事，我建议使用 SVD 推荐器，而不是将 ALSWR 分解器设置为隐式反馈。完成后，您可以user,item,preference在数据中获得价值，其preference价值将是您的用户与该项目的关联程度。您可以使用数字，例如购买是 a20而视图只是 a 2。我只是在这里抛出数字，我不知道什么最适合您的数据，因为您还可以按比例对事物进行建模，如果购买发生的可能性是视图的 30 倍，那么购买应该是比视图强30倍。

  2. Mahout 提供了一种通过IDRescorer. 您在这里实现自己的逻辑并决定如何影响建议。例如，IDRescorer将检查推荐候选人是否属于同一类别，如果是，则将分数提高 X。这里有一个示例（链接）来自Mahout in Action Book（您绝对应该阅读），显示了一个评分器。

希望这可以帮助

于 2013-08-27T08:57:21.070 回答