python - python 中的推荐引擎 - 合并自定义相似度指标

Question

我目前正在用 python 构建推荐引擎，遇到以下问题。

我想结合协作过滤方法，它的用户-用户变体。回顾一下，它的想法是，我们拥有有关不同用户以及他们喜欢哪些项目的信息(如果适用 - 这些用户对项目分配了哪些评分)。当我们有喜欢一些东西的新用户时，我们只是找到喜欢相同项目的用户，并向该新用户推荐与新用户类似的用户喜欢的项目。

但我想添加一些变化。我将向用户推荐地点，即“今晚去哪里”。我知道用户的偏好，但我还想将距离与我可以推荐的每个项目结合起来。父亲是我要向用户推荐的地方 - 它应该是最没有吸引力的地方。

所以总的来说，我想将惩罚纳入推荐引擎中，每个地点的惩罚金额将基于用户到该地点的距离。

我尝试用谷歌搜索是否有人做过类似的事情，但没有找到任何东西。关于如何正确添加此类处罚有什么建议吗？

Answer 1

我会保持简单和独立:

您的重点是协作过滤，因此您的推荐系统应该为前 N 个推荐生成分数，无论位置如何。

然后您可以使用前 N 个之间的距离重新评分。对于简单的 MVP，您可以从反距离衰减开始(例如 final-score = cf-score * 1/distance)，并在必要时根据行为证据调整衰减函数。