algorithm - 基于标签/关键字的推荐

Question

我想知道在标签驱动的电子商务环境中使用什么算法比较聪明:

• 每个项目都有几个标签。即:

  项目名称: "Metallica - Black Album CD", 标签: "metallica", "black-album", "rock", "music"

• 每个用户都有几个标签和 friend (其他用户)绑定(bind)到他们。即:

  用户名: "testguy", 兴趣: "python", "rock", "metal", "computer-science" friend : "testguy2", "testguy3"

我需要通过检查他们的兴趣标签并以复杂的方式生成推荐来为这些用户生成推荐。

想法:

• 可以使用混合推荐算法，因为每个用户都有 friend 。(协作 + 基于上下文的推荐的混合)。

• 也许使用用户标签，可以找到相似的用户(同行)来生成推荐。

• 也许可以通过标签直接匹配用户和元素之间的标签。

欢迎任何建议。也欢迎任何基于 python 的库，因为我将在 python 语言上做这个实验引擎。

Answer 1

1) 给你的标签加权。

标签分为几个兴趣组:

• 我的标签没有我的 friend 分享
• 标记了一些我 friend 分享的内容，但我没有
• 我的一些 friend 分享的标签。

(有时您可能还想考虑 friend 的 friend 标签，但根据我的经验，这种努力并不值得。YMMV。)

识别此人和/或此人的 friend 感兴趣的所有标签，并为这个人的标签赋予权重。标签权重的一个简单可能公式是

(tag_is_in_my_list) * 2 + (friends_with_tag)/(number_of_friends)

请注意神奇的数字 2，它使您自己的意见的值(value)是您所有 friend 的意见总和的两倍。随意调整 :-)

2) 给你的元素称重

对于列表中包含任何标签的每个项目，只需将标签的所有加权值相加即可。更高的值(value) = 更多的兴趣。

3) 应用阈值。

最简单的方法是向用户显示前 n 个结果。

更复杂的系统也会应用反标签(即不感兴趣的主题)并做许多其他事情，但我发现这个简单的公式有效且快速。