【发布时间】：2015-04-24 09:54:18
【问题描述】：
在我们的项目中，我们使用搜索引擎，但是需要根据每个用户的兴趣对结果进行排名，类似于根据用户的关键字进行推荐。
如果我们将两个系统分开，会花费很多时间。
有没有更好的方法将搜索引擎和推荐系统结合在一起？
或者有没有一种简单的方法来自定义我的排名策略来实现这一点？
【问题讨论】：
标签： search machine-learning ranking recommendation-engine
【发布时间】：2015-04-24 09:54:18
【问题描述】：
这也是我们在项目中尝试做的事情。解决这个问题有两件事——相关性与个性化。您应该查看有多少个性化正在破坏查询的相关性。例如，如果我建议新闻，那么根据位置建议是有意义的。我希望您已经分析了用例。
我遵循的方式是 - 在获得搜索结果后，然后重新排列结果以提供个人建议。例如，如果我正在搜索要编码的特定算法，然后获取结果集并根据我的偏好重新排名，比如说，Java（基于我以前的历史）将是有意义的。在任何情况下，相关性都是最重要的，然后我们才能适应用户的偏好。
同样，用例很重要，如果这是用于新闻搜索，那么直接查询和检索位置是最好的方法。
【讨论】：
-
但是，如果我们在搜索中获得结果，则根据用户的兴趣重新排列结果。这可能会导致从第一步获取的结果都不符合用户的口味。你是怎么处理的？
-
确实如此。所以用户数据很重要。您可以对第一步结果使用主题建模来查看它们是否与用户数据匹配。主题建模，因为它们会在语义上关联结果。因此，即使用户正在搜索 oops 并且 java 是他的偏好（您可以通过他的点击流捕获），主题建模也会得到匹配。更重要的是，如果他的偏好与搜索结果不匹配，即使远程也没有必要重新排名，您只需按原样提供结果。