我试图实现一个网站的推荐系统,它承载着各种各样的软件,你可以搜索这个网站来找到你需要的东西。需要实现一个推荐系统,以便更好地向用户推荐软件,除非没有评级系统,而且用户并不真正从网站上购买软件。
第一种方法是这样的:假设用户点击软件A,我们可以搜索所有点击软件A的用户点击最多的软件,但这没有意义,因为点击软件A的用户可能只是搜索这个软件的类别,然后按字母顺序从列表中点击第一个建议。
而且,用户并不真正与软件进行交互。他们不能书签或张贴评论,所以我们不能只是采取这些行动,并给予他们一个权重来模拟一个评级系统。
我没有找到解决这个问题的想法,我也没有任何用户跟踪数据的经验,所以任何想法都会很有帮助。
发布于 2021-05-11 21:33:19
在完全没有用户反馈的情况下,您仍然可以根据产品的描述性特征构建(非个性化)推荐系统,例如使用某种距离度量。
在你的例子中,至少有两个行为信号:点击和搜索。这两种方法都可以用于个性化建议。首先,我将熟悉基于会话的建议,这些建议考虑到用户在当前会话上下文中的操作,并逐步完善建议( kNN算法将是一个很好的起点)。
https://datascience.stackexchange.com/questions/94329
复制相似问题