c# - asp.net mvc中的模型推荐系统

Question

我正在为我的应用程序寻找推荐系统，该系统根据用户购买历史推荐专辑。我发现了一些系统/算法，例如协同过滤（基于用户/项目/模型/，混合）。哪一个最适合我的应用？或者你能给我一些更好的解决方案吗？

Answer 1

没有一刀切的。推荐是一个持续的过程，需要对每种方法的理解、实验和评估，不仅在技术层面上，而且在业务层面上也是如此。该系统是否产生了足够的收入来证明其成本是合理的？或者您是否在无益地运行服务器而亏本？

系统最终会推荐比应有的利润低的东西吗？也就是说，它是否推荐采购或运输比其他东西更昂贵的东西？

此外，过去的购买是糟糕的数据。他们只告诉你你卖给顾客什么，而不是顾客一般买了什么，他们喜欢什么，为什么喜欢等等。他们不会告诉你他们没有买什么。或者他们在购买之前从您自己的目录中拒绝了什么。这就是公司从市场研究公司购买数据的原因。

我建议阅读使用 Azure 机器学习服务构建推荐系统，不是因为它是 Azure，而是因为它解释了正在进行的过程中的步骤、各种算法以及它们的优点。那里至少有 12 种不同的算法。

这篇文章解释了这个过程中的 5 个持续和重复的任务：

1. 数据准备 - 为每个推荐算法准备和加载数据
2. 建模 - 使用各种经典和深度学习推荐算法构建模型，例如交替最小二乘法 (ALS) 或极限深度分解机 (xDeepFM)
3. 评估 - 使用离线指标评估算法
4. 模型选择和优化 - 调整和优化推荐模型的超参数
5. 操作化 - 在生产环境中操作化模型

即使您拥有完美的数据，2-4 也会一遍又一遍地重复，因为您会看到什么对您的业务有效或无效，无论它是否提高了销售额（和利润）。

三大云提供商提供各种创建推荐服务的方式，当然是按月收费。云服务的好处至少是您可以在每月账单中预先看到成本。

Answer 2

我对 Python 库SurPRISE有很好的经验。您可以在 docker 容器中使用它来创建一个 restful 服务并从您的 ASP.NET Web 应用程序中使用它。