当项目在不同时间长度内可用时基于项目的协同过滤

Question

我正在尝试使用基于项目的协同过滤来进行产品推荐。根据买家是否购买商品，矩阵全为 1 和 0，我使用余弦相似度来识别相似产品。

在我测试的数据中，有超过 2000 种产品，并且许多产品的可用时间不同。有些一直可用，有些过去可用但不再可用，有些最近才可用。

我注意到，已上市已久的产品往往与已上市已久的其他产品（最受欢迎的热门商品类型）相匹配。类似地，不太受欢迎且没有很长时间可用的项目往往会得到很好的匹配，但也不太受欢迎。在许多情况下，流行的产品有时会出现，而不太流行的产品却没有。

http://www.cs.umd.edu/~samir/498/Amazon-Recommendations.pdf这篇关于亚马逊的论文有伪代码，似乎建议在寻找类似于 X 的商品时只考虑购买过商品 X 的人（尽管这可能是我的误解）。这在一定程度上纠正了问题，但甚至可能过度纠正问题，因为它忽略了许多可能购买了项目 Y 而没有购买项目 X 的​​人。

有没有人在这些条件下尝试过基于项目的协同过滤，您对如何处理可用性不同的产品有什么建议吗？

Answer 1

我记得在一些类似的数据集上使用 mahout 库并使用推荐器。我最终将特定领域的知识注入到推荐引擎中，如“Mahout in action book”（“注入特定领域信息”一章）中所述。我用“IDRescorer”类做了一个类似的事情（参考提到的书来理解上下文），它根据你提供的逻辑放弃了一些推荐，也可以根据其他一些逻辑提高推荐率。就我而言，我只是决定放弃对不再可用的项目的推荐，并提升与特定用户感兴趣的项目（在用户个人资料中指定）相似的项目的推荐。我相信您可以为您的任务使用相同的想法。