我目前正在學習推薦系統,瞭解了一些關於協作過濾,用戶CF,項目CF,很明顯使用這些算法來解決這樣的問題: 1 )用戶買XXX還買YYY 2)用戶查看XXX也查看YYY如何解決產品推薦問題如下:用戶__bought__ XXX也__viewed__ YYY
我的問題是:如何解決類似的問題: 1)用戶所購買XXX也查看YYY 2)用戶觀看XXX還買YYY?
更新:剛剛修正的標題: 「用戶買 XXX也觀看 YYY」
我目前正在學習推薦系統,瞭解了一些關於協作過濾,用戶CF,項目CF,很明顯使用這些算法來解決這樣的問題: 1 )用戶買XXX還買YYY 2)用戶查看XXX也查看YYY如何解決產品推薦問題如下:用戶__bought__ XXX也__viewed__ YYY
我的問題是:如何解決類似的問題: 1)用戶所購買XXX也查看YYY 2)用戶觀看XXX還買YYY?
更新:剛剛修正的標題: 「用戶買 XXX也觀看 YYY」
雖然我不確定這是否真的「推薦」,我可以告訴你如何處理Mahout中各個域的建議。您將構建兩個DataModel
,一個基於用戶項目購買,另一個基於用戶項目視圖構建。您將使用購買數據作爲UserSimilarity
或ItemSimilarity
實施的輸入,但將視圖數據作爲輸入DataModel
提供給Recommender
實施。然後,你會計算出更像你的建議。
看Taste framework。如需更多選擇,請查看此文章Recommendation Engines for Java applications
是啊,我在看象夫項目(mahout.apache.org)。只是不知道如何解決:用戶**買了** XXX也**看過** YYY。 – 2011-03-29 05:23:16
假設您有兩個表產品和sold_products。每次銷售產品時,都會將其添加到sold_products表中。我們會說這兩個表由product_id關聯,order_id用於在sold_products中將訂單組合在一起。
我們將假定你正在尋找的產品具有1234
SELECT DISTINCT sold_products.order_id FROM sold_products WHERE PRODUCT_ID = 1234 LIMIT 25
例如分開的串PO1234,PO435,PO3456 ....
SELECT DISTINCT產品。* FROM sold_products LEFT JOIN產品上products.product_id = sold_products.product_id WHERE sold_products.order_id IN(PO1234,PO435,PO3456 ....)AND NOT sold_products.product_id = 1234 GROUP BY sold_products.product_id ORDER BY COUNT(1)DESC
似乎你是解釋推薦的基本理論,我想我會使用mahout(mahout.apache.org)中已經實現的算法,只是不知道如何利用算法來解決:用戶**買** xxx也**查看** yyy。 – 2011-03-29 05:25:27
您需要參考OReilly公司的「編程集體智慧」書籍第2章。想出匹配的產品即'買了這個產品的顧客也買了...「部分,你需要各種用戶的
在上述步驟中涉及算法。這本書中給出了更多細節以及這些算法的Python代碼。
您通常需要兩個數據集。我以.e交易ID &產品作爲第一& visitorID & productsvieweded作爲第二,以達到任何兩個產品一起出售(或觀看)的信心百分比。你可以使用R(統計軟件)&安裝一個名爲「arules」的包來輕鬆生成這些建議。
這裏是您可能需要中的R檢查出
setwd(「C:/文件和設置/ RP /桌面/輸出」)的樣品的代碼; install.packages(「arules」); library(「arules」); txn = read.transactions(file =「Transactions_sample.csv」,rm.duplicates = FALSE,format =「single」,sep =「,」,cols = c(1,2)); basket_rules < - apriori(txn,parameter = list(sup = 0.5,conf = 0.9,target =「rules」)); inspect(basket_rules);
如果您真的想了解它是如何工作的,您可能需要查看http://www.tatvic.com/resources的白皮書,命名爲產品購買模式分析,指出您可以如何簡單地使用您的Web數據。
此外,如果你想用一個現成的API,它可在http://www.liftsuggest.com/how-lift-product-recommendation-works
謝謝,你可以看看:http://stackoverflow.com/questions/5470768/how-much-data-is-needed-for-user-cf-item-cf-to-give-recommendation ? – 2011-04-01 01:36:27
謝謝。我從www.amazon.cn看到了這種用法。 – 2011-03-29 08:26:12