建议产品的算法

什么是一个很好的算法,根据他们以前的选择建议某人可能喜欢的东西？(例如,由亚马逊推广推荐书籍,并在iRate Radio或YAPE等服务中使用,您可以通过评分项目获得建议)

简单明了(订购购物车):

根据一起订购的商品,保留交易清单.例如,当有人在亚马逊上购买摄像机时,他们也会同时购买用于录制的媒体.

在确定给定产品页面上的"建议"内容时,查看订购该产品的所有订单,计算同时购买的所有其他商品,然后显示最常购买的前5个商品时间.

您不仅可以根据订单进行扩展,还可以根据网站上的搜索顺序进行扩展.

在评级系统方面(即电影评级):

当你投入评级时会变得更加困难.您可以获得商品评级的客户历史记录,而不是购买的商品.

那时你正在研究数据挖掘,而且复杂性是巨大的.

但是,一个简单的算法与上述内容并不相同,但它采用了不同的形式.获取客户评分最高的商品和评分最低的商品,并找到评级最高,评分最低的其他客户.你想把它们与那些有类似极端喜欢和不喜欢的人匹配 - 如果你专注于喜欢,那么当你提出他们讨厌的东西时,你会给他们一个糟糕的经历.在建议系统中,你总是想要在"不冷不热"的体验中犯错,而不是"讨厌",因为一次糟糕的体验会使他们不再使用这些建议.

向客户建议其他最高列表中的项目.