简单建议/推荐算法

Question

我正在寻找一个简单的建议算法来应用于我的Web App中，就像Netflix、Amazon等等那样...但更简单。我不需要团队中的博士为了得到更好的建议指标而工作。

假设我有:

- 用户1喜欢Object1。 - 用户2喜欢Object1和Object2。

我想向用户1推荐他们可能也会喜欢Object2。

我很明显可以想出一些天真的想法，但我正在寻找经过验证且易于实现的东西。

- Dan.StackOverflow

Answer 1

在优秀的编程集体智慧一书中，有许多简单和不那么简单的建议算法示例。

皮尔逊相关系数（一个有点枯燥的维基百科文章）可以给出相当不错的结果。这里有一个Python实现和另一个TSQL实现，以及有趣的算法解释。

- Yann Schwartz

Answer 2

尝试使用Slope One算法，这是解决此类问题最常用的算法之一。

这里提供了一个在T-SQL中实现该算法的示例。

- Zenon

---

这是用40行Python编写的Slope One算法（并附有详细解释）：http://www.serpentine.com/blog/2006/12/12/collaborative-filtering-made-easy/。+1链接源代码。 - Jason Orendorff

Answer 3

你可能想看一下关联规则学习和Apriori算法。其基本思想是创建规则，如“如果用户喜欢Object1，则用户喜欢Object2”，并检查它们描述（你的）现实的程度。在你的具体例子中，这个规则将具有支持度为2（因为两个用户喜欢Object1），置信度为50%（因为该规则在2个案例中有1个是真实的）。我刚刚自己实现了一个基本的概念证明（实际上是我在Hadoop上的第一步），而且做起来并不太难。

或者，你可能想看一下Apache Mahout - Taste。不过我自己从未使用过它。

- sfussenegger

Answer 4

我会选择K最近邻算法。维基百科条目对此有很好的解释，并提供了参考实现的链接。

- Ofri Raviv

Answer 5

我创建了一个建议文章算法，它使用关键词（而不是“产品购买”）来确定相关性。它接受一个关键词，并运行所有包含该关键词的其他文章，并根据哪些文章具有最多匹配关键词来生成结果。

除了明显需要缓存此类信息之外，他使用类似方法是否存在问题？

- dclowd9901

Answer 6

最近邻算法

- Josh Ribakoff