Коллаборативная фильтрация: способы определения неявных оценок для продуктов для каждого пользователя?

Question

Реализовав алгоритм, чтобы рекомендовать продукты с некоторым успехом, я сейчас ищу способы расчета исходных входных данных для этого алгоритма.

Моя цель - подсчитать балл за каждый продукт, с которым у пользователя есть какая-то история.

Данные, которые я сейчас собираю:

• История заказов пользователя
• История просмотра страниц товара как для анонимных, так и для зарегистрированных пользователей

Все эти данные имеют временную метку.

Что я ищу

Есть пара вещей, по которым я ищу предложения, и в идеале этот вопрос следует рассматривать скорее для обсуждения, а не для поиска единственного «правильного» ответа.

• Любые дополнительные данные, которые я могу собрать для пользователя, которые могут непосредственно означать интерес к продукту
• Алгоритмы / уравнения для преобразования этих данных в баллы для каждого продукта

Что я НЕ ищу

Просто чтобы избежать смещения этого вопроса с неправильными ответами, вот что я делаю, когда у меня есть эти данные для каждого пользователя:

• Генерация количества пользовательских кластеров (21 на данный момент) с использованием алгоритма кластеризации k-средних с использованием коэффициента Пирсона для оценки расстояния
• Для каждого пользователя (по требованию) вычисление графика их аналогичных пользователей путем поиска их наиболее и наименее похожих пользователей в их кластере и повторения для произвольной глубины.
• Расчет баллов для каждого продукта на основе предпочтений других пользователей в графе пользователя
• Сортировка результатов для получения списка рекомендаций

В принципе, я не ищу идей о том, что делать, если у меня есть входные данные (мне может понадобиться дополнительная помощь в этом позже, но это не главное в этом вопросе), просто для идеи о том, как генерировать эти входные данные в первую очередь

Answer 1

Вот сенокос из ответа:

• время, потраченное на просмотр товара
• семантическая интерпретация оставленных комментариев о товаре
• создать страницу обсуждения продукта, бренда или категории продукта и семантически интерпретировать комментарии
• если они поделились страницей продукта (электронная почта, del.icio.us и т. Д.)
• браузер (мобильный может заставить их тратить меньше времени на страницу с ноутбуком, показывая при этом большой интерес) и скорость соединения (влияет на время, проведенное на странице)
• сходство профиля в Facebook
• данные тепловой карты (например, & larave; la kissmetrics)

Какие продукты вы продаете? Это может помочь нам ответить вам лучше. (Поскольку это старый вопрос, я обращаюсь как к @Andrew Ingram, так и ко всем, кто задавал этот вопрос и нашел эту тему в результате поиска.)

Answer 2

1. Вы можете разрешить пользователям явно указывать свои предпочтения, как netflix позволяет пользователям назначать звезды.
2. Вы можете назначить положительное числовое значение для всего товара, который они купили, поскольку вы говорите, что у вас есть история покупок. Назначьте ноль для вещей, которые они не купили
3. Вы могли бы сделать какую-то взвешенную стоимость для вещей, которые они купили, с учетом того, что популярно. (если почти каждый купил продукт, он мало что говорит о человеке, который также купил его)
4. Вы также можете назначить меньшее числовое значение для элементов, которые пользователи просматривали, но не покупали.