推荐产品的算法

Question

根据某人之前的选择来推荐他们可能喜欢的东西的好的算法是什么？ (例如，由 Amazon 推广以推荐书籍，并用于 iRate Radio 或 YAPE 等服务，您可以通过对项目进行评分来获得建议)

Answer 1

简单直接(订购购物车):

根据一起订购的元素保留一份交易 list 。例如，当有人在亚马逊上购买摄像机时，他们也同时购买了用于录制的媒体。

在确定给定产品页面上的“建议”内容时，查看订购该产品的所有订单，计算同时购买的所有其他商品，然后显示最常购买的前 5 件商品同时。

您不仅可以根据订单，还可以根据人们在网站上按顺序搜索的内容等从那里扩展它。

在评级系统方面(即电影评级):

当你投入评级时，它变得更加困难。您拥有商品评级的客户历史记录，而不是一篮子离散的商品。

那时您正在研究数据挖掘，而且其复杂性是巨大的。

不过，一个简单的算法与上述算法相差无几，但它采用了不同的形式。获取客户评分最高的项目和评分最低的项目，并找到具有相似最高评分和最低评分列表的其他客户。您想将他们与具有相似极端好恶的其他人相匹配 - 如果您只关注喜欢，那么当您提出他们讨厌的东西时，您会给他们带来糟糕的体验。在建议系统中，您总是希望在“不冷不热”的体验方面犯错误，而不是“讨厌”，因为一次糟糕的体验会使他们对使用这些建议感到厌恶。

向客户推荐其他人最喜欢的商品。