基于相似度的好友推荐算法

Question

我正在尝试构建一个朋友推荐算法，每周向用户推荐一个新朋友。假设我有一个数据库

user A
user B
user C
...

他们有一份爱好

user A has interests [hobby1, hobby2, hobby3, etc...]
user B has interests [hobby3, hobby6, hobby8, etc...]
user C has interests [hobby1, hobby3, hobby4, etc...]
...

我如何构建一个算法，以便为每个人挑选一个好的推荐，并且每周都应该有所不同？

第 1 周

user A -> user C [2 hobbies in common]
user B -> user A [1 hobby in common]
user C -> user B [1 hobby in common]
...

第 2 周

user A -> user B [1 hobby in common]
user B -> user C [1 hobby in common]
user C -> user A [2 hobbies in common]
...

由于要求，听起来每周完全随机化所有用户推荐可能很容易。有什么比这个阈值更好的吗？

Answer 1

首先，您需要一个接受 2 个用户（A 和 B）并输出“相似度分数”的函数。最简单的方法是计算共同爱好的数量。 然后找到与A具有最佳“相似度得分”的用户并推荐给A。
保留一张表格，其中包含已对某个人做出的所有推荐（我们称之为t_recommendations），这样，下次您需要向 A 推荐一个新人时，选择具有最高“相似度得分”的人不在 t_recommendations。

表 t_recommendations 将包含以下列：

• recommended_to : 收到推荐的用户 ID
  
• recommended：已推荐给recommended_to的用户ID
  
• recommendation_date：这个是可选的，但如果你想在一段时间后再次开始推荐人，它可能会很有用。