mysql - MySQL 中的协同过滤？

Question

我正在尝试开发一个网站，根据用户的喜好向他们推荐商品(fx.books)。到目前为止，我已经阅读了 O'Reilly 的“集体智慧”和许多其他在线文章。然而，它们似乎都处理单一的推荐实例，例如，如果你喜欢书 A，那么你可能会喜欢书 B。

我想做的是为我网站上的每个用户创建一组“偏好节点”。假设用户喜欢书 A、B 和 C。然后，当他们添加书 D 时，我不希望系统仅根据其他用户对书 D 的体验来推荐其他书。我不希望系统查找类似的书'preference-nodes' 并基于此推荐书籍。

这是一个 4 个节点的例子:

User1: 'book A'->'book B'->'book C'
User2: 'book A'->'book B'->'book C'->'book D'
user3: 'book X'->'book Y'->'book C'->'book Z'
user4: 'book W'->'book Q'->'book C'->'book Z'

所以推荐系统，正如我读过的 Material 中所描述的，会向用户 1 推荐书 Z，因为有两个人推荐 Z 并且喜欢 C(即 Z 比 D 更重要)，即使尽管具有相似“偏好节点”的用户 User2 更有资格推荐书 D，因为他具有更相似的兴趣模式。

那么你们中有人有过这种事情的经验吗？是否有一些我应该尝试阅读的东西，或者是否存在任何开源系统？

感谢您的宝贵时间!

小修改:我认为 last.fm 的算法正在做我的系统要做的事情。使用人们的偏好树向人们更个性化地推荐音乐。而不是仅仅说“你可能喜欢 B 因为你喜欢 A”

Answer 1

创建表并插入测试数据:

CREATE TABLE `ub` (
  `user_id` int(11) NOT NULL,
  `book_id` varchar(10) NOT NULL,
  PRIMARY KEY (`user_id`,`book_id`),
  UNIQUE KEY `book_id` (`book_id`,`user_id`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1;

insert into ub values (1, 'A'), (1, 'B'), (1, 'C');
insert into ub values (2, 'A'), (2, 'B'), (2, 'C'), (2,'D');
insert into ub values (3, 'X'), (3, 'Y'), (3, 'C'), (3,'Z');
insert into ub values (4, 'W'), (4, 'Q'), (4, 'C'), (4,'Z');

将测试数据通过book_id join 到自身，并创建一个临时表来保存每个user_id 以及它与目标user_id 共有的图书数量:

create temporary table ub_rank as 
select similar.user_id,count(*) rank
from ub target 
join ub similar on target.book_id= similar.book_id and target.user_id != similar.user_id
where target.user_id = 1
group by similar.user_id;

select * from ub_rank;
+---------+------+
| user_id | rank |
+---------+------+
|       2 |    3 |
|       3 |    1 |
|       4 |    1 |
+---------+------+
3 rows in set (0.00 sec)

我们可以看到user_id和user_id 1有3个共同点，但是user_id 3和user_id 4只有1个。

接下来，选择临时表中用户拥有的所有与目标user_id不匹配的书籍，并按排名排列。请注意，同一本书可能会出现在不同用户的列表中，因此我们将每本书的排名相加，以便普通书籍获得更高的排名。

select similar.book_id, sum(ub_rank.rank) total_rank
from ub_rank
join ub similar on ub_rank.user_id = similar.user_id 
left join ub target on target.user_id = 1 and target.book_id = similar.book_id
where target.book_id is null
group by similar.book_id
order by total_rank desc;

+---------+------------+
| book_id | total_rank |
+---------+------------+
| D       |          3 |
| Z       |          2 |
| X       |          1 |
| Y       |          1 |
| Q       |          1 |
| W       |          1 |
+---------+------------+
6 rows in set (0.00 sec)

Book Z出现在两个用户列表中，因此排在只出现在一个用户列表中的X,Y,Q,W之上。 Book D 表现最好，因为它出现在 user_id 2 的列表中，该列表与目标 user_id 1 有 3 个相同的项目。