events - PredictionIO 定制 Universal Recommender

Question

我想为我们的网站实现一个通用推荐器。

我已经成功设置了教程自定义的基本配置。

我们提供的服务是电子商务，用户可以在其中购买，例如，从 0 到 5 评分，并在其他操作中保存产品。

我对如何设置这些有点困惑：

• 喜欢/不喜欢;
• 保存/删除；
• 速度。

我知道我可以在事件上附加属性，但我不知道如何为不同和删除事件设置负权重。另外，如果我没有在任何地方设置评估产品的范围，我也不知道算法如何加权评分。

希望你能给我解惑。

最好的

Answer 1

Universal Recommender 基于 Correlated Cross-Occurrence 算法构建，该算法测量任意数量的指标与要推荐的操作的相关性。在您的情况下，您希望用户“购买”，因此您应该将其作为主要事件 - 用于比较所有其他事件的事件。

主要事件是

• 买

这样就产生了次要事件：

• 喜欢
• 不像
• 保存（到购物车？）
• 删除（从购物车中？如果没有太多的指标可能）
• 率（有范围吗？）

您可以对低评级意味着“讨厌”和高评级意味着“爱”做出一些猜测，扔掉中等/模棱两可的评级并用这两个新事件替换比率。

如果您没有“购买”，则可以将“爱”或“喜欢”之类的东西替换为主要事件。

将事件分为两种类型的要点是，Universal Recommender 将测试以查看哪些次要事件与“购买”相关，并将自动对它们进行加权，以便所有这些事件都可以用于推荐。