algorithm - 使用评分来寻找客户

Question

我有一个网站，客户可以在该网站上购买标有各种分类术语的商品。我想通过考虑与他们所做的购买相关联的标签来创建一组可能对相同商品感兴趣的客户。我想知道是否可以使用某种类型的评分来解决问题，而不是每次我想要构建组时都比较每个客户的标签列表。

我的想法是，每个标签都会分配一些唯一的编号。当我执行评分操作时，它会呈现一个只能通过组合一组特定标签才能获得的数字。

我可以定期更新客户的“分数”，使其保持相关性。

我走在正确的轨道上吗？有什么想法吗？

Answer 1

您对问题的描述看起来更像是聚类或推荐问题。我不确定这些标签的信息是否足以使用聚类或推荐。

在我看来，您对分数的想法并不乐观，因为如果这些数字没有足够仔细地选择，可以通过多种方式实现相同的总和。

我给你的建议是:

您可以为每个用户存储标签。当某个用户购买了新商品时，您会将商品的标签添加到用户的标签中。您将定期更新用户资料。假设我们有用户 A 和 B。如果在更新时 A 和 B 之间的相似性大于某个阈值，您将在用户之间添加一个关系，这将表明这两个用户是相似的。如果它较低，您将删除关系(如果以前它们是相关的)。相似性可以是一些公共(public)标签或 num_common_tags/num_of_tags_assigned_either_in_A_or_B。

稍后，当您想要获得具有特定标签集的用户时，您只需执行一个查询来检查哪些用户具有该组标签。您还可以检查与给定用户相似的用户，只需查找哪些用户与相关用户相关联即可。