我正在研究一个需要建立推荐器的特定问题。概括的问题如下，每个用户注册了（比如）x门课程（c1，c2，c3，..cx）根据每门课程，我需要向用户提供（比如）前5个提示/建议（例如可能有用的学习材料等）我需要应用协作元素来了解哪些建议对用户有帮助。
我查看了 Apache Mahout Taste 之类的推荐引擎，但我无法以类似于所示示例的方式对我的问题进行建模。（用户与一门或多门课程相关联并且每个推荐/提示可能与一门或多门课程相关联的额外过滤标准让我失望。）
请让我知道是否有任何建模此类问题的好方法？任何指向文档/示例的指针将不胜感激。我刚刚开始在这方面的研究，所以如果我误解了任何概念，请多多包涵。
谢谢，
维维克
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材料，那么很明显，参加课程 c1 意味着他们应该拥有该课程的相关材料。也许按受欢迎程度从所有材料中排名。这可能非常容易，并且可以完成您需要的大部分工作。
如果要将其建模为 CF，则可以；我不知道你有多少数据。如果您只有少数用户和课程，那么它会太稀少而无法提供有用的答案。
您的用户与两件事有关：课程和材料。您不想推荐课程，而是要推荐材料。我将构建两个数据模型：一个包含用户课程信息，一个包含用户材料购买信息。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。然后将其与 NearestNUserNeighborhood、GenericUserBasedRecommender 组合在一起，但使用其他用户材料数据模型。
您将使用基于课程的用户-用户相似性从材料中提出建议。