Apache Mahout 推薦器 - 我應該為每個用戶重新創建數據模型嗎？

Question

我是 Apache Mahout 推薦器的新手。 用例涉及根據用戶的購買歷史向用戶提供建議。 我打算使用以下信息：

• 采購類別
• 采購量
• 購買時間（例如 - 在購買第一條牛仔褲 6 個月后推薦一條牛仔褲）
• 用戶所在地

為了識別具有相似購買模式/購買時間的用戶並給予他們更多的偏好，我是否必須為每個用戶制作自定義數據模型？ 我計划定期從數據庫導入以重新創建數據模型。 有沒有辦法像下面提到的那樣動態地給予優先權：

1. 地點+購買類別+時間匹配
2. 購買類別+時間匹配
3. 位置 + 時間匹配（例如冬裝）

目前我正在使用提供的示例代碼。 （需要大量修改）

UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
        UserNeighborhood neighborhood = new ThresholdUserNeighborhood(0.1, similarity, model);
        UserBasedRecommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);
        List<RecommendedItem> recommendations = recommender.recommend(74, 10);

Answer 1

一般來說，要實現您的建議，您需要對數據執行一個步驟，在其中添加一個像t_since_last_purchase這樣的特性，它是一個整數 0 -> inf。 例如，自上次購買以來的天數。

這個特征，時間，將是另一個相關的用戶特征。

我認為您正在查看一些較舊的基於 Map-Reduce 的 reccomenders-實際上是一流的-但鑒於您的用例，您可能想要查看基於 coorelated cooccurence 的 reccomenders ，它具有能夠查看的顯着好處用戶的多個活動（在您的情況下，位置，以前的購買，時間）。