machine-learning - 用户多个排名中的 ALS(交替最小二乘)算法

Question

您好，经过大量研究，我们决定在我们的产品推荐系统中使用 Google Cloud 基础架构，并使用 ALS 算法(协作过滤方法 - https://cloud.google.com/solutions/recommendations-using-machine-learning-on-compute-engine#Training-the-models)，详细说明如下:

我们有两种类型的客户。第一类是在附近销售产品的公司，第二类是要从这些公司购买产品的消费者

1. 每个消费者都可以搜索附近的公司或按行业搜索公司(例如杂货店、干洗店、肉店等)

2. 当消费者找到一家公司时，他/她可以执行以下操作(他可以一次执行多项操作)

   2.1。仅查看公司简介

   2.2。将公司添加到收藏夹

   2.3。开始与公司聊天

   2.4。向公司下订单

   2.5。对公司进行评分和评论

所以我不明白的是:上面描述的每个项目都被确定为我们数据库中的某些评级列，例如:

查看公司简介:10分

向公司下订单:20分

给公司加星或发表评论:20分

因此每个项目都是同一用户的单独评分。在我们的数据库中，用户-公司对可能有超过 1 行例如:

第 1 行:user18-company18-10pts(查看过个人资料一次)

第2行:user18-company18-20pts(从公司下订单)

第 3 行:user18-company19-10pts

我对这个算法不确定的是，它是计算该用户对同一家公司的所有评级的总和(我真正想要的)还是只是寻找用户评级的单行一家公司？ (我想要的是这个 ALS 算法来总结该用户-公司对的 row1 和 row2)

有人知道吗？这对于我们的推荐系统非常重要。因为我正在寻找的算法需要计算用户所有评级的总和，以便推荐另一家公司。因为我们的商业模式与电影分级系统不同

谢谢

Answer 1

如 Google 的示例( https://cloud.google.com/solutions/recommendations-using-machine-learning-on-compute-engine#Training-the-models ，查看 2 个矩阵图)一样，该矩阵应为每个客户 1 行，以及您尝试推荐的公司/产品 1 列。

如果您尝试向用户推荐一家公司(这就是我从您的示例中了解到的)，那么您应该对用户和公司之间的每次完整互动进行评分，并且有每个用户仅 1 行。

鉴于您的示例有 3 次交互，我又添加了来自另一位用户(用户 21)的 3 次交互:

user18-company18-10pts(查看过一次个人资料)

user18-company18-20pts(从公司下订单)

用户18-公司19-10分

user21-company16-20pts(从公司下订单)

user21-company16-20pts(给公司星标或发表评论)

user21-company18-10pts(查看过一次个人资料)

那么，你的矩阵应该是:

第 1 行第 18 列:30(10 + 20 来自用户 18)

第 1 行第 19 列:10(来自 user18)

第 2 行第 16 列:40(20 + 20 来自用户21)

第 2 行第 18 列:10(来自 user21)