如何解決產品推薦問題如下：用戶__bought__ XXX也__viewed__ YYY

Question

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

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」

Answer 1

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。

Answer 2

看Taste framework。如需更多選擇，請查看此文章Recommendation Engines for Java applications

Answer 3

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

1. 一個從PRODUCT_ID包含的產品在過去的25令獲取order_ids的列表。

SELECT DISTINCT sold_products.order_id FROM sold_products WHERE PRODUCT_ID = 1234 LIMIT 25

1. 從那裏我們將把所有的ID到由拐角

例如分開的串PO1234，PO435，PO3456 ....

1. 選擇從那些訂單的產品ID，我喜歡通過頻率排名

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

Answer 4

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

• 先收集喜好
• 然後尋找類似的用戶
• 然後看看他們購買或喜歡的其他項目。

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。

Answer 5

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