Этот вопрос, вероятно, часто повторяется в блогах и на сайтах вопросов и ответов, но я пока не нашел конкретного ответа.
Я пытаюсь построить систему рекомендаций для клиентов, используя только их историю покупок.
- Допустим, в моем приложении есть n продуктов.
- Вычислить сходство элементов для всех n продуктов на основе их атрибутов (таких как страна, тип, цена)
- Когда пользователю нужна рекомендация - зациклить ранее купленные продукты p для пользователя u и получить похожие продукты (сходство делается на предыдущем шаге)
Если я прав, мы называем это рекомендацией на основе содержимого, а не совместной фильтрацией, поскольку она не предполагает одновременного появления элементов или пользовательских предпочтений для элемента.
Моя проблема многократна:
- Существует ли какая-либо существующая масштабируемая платформа ML, которая соответствует рекомендациям, основанным на соперничестве (я могу использовать другие технологии/язык)
- Есть ли способ настроить Mahout, чтобы получить такой результат?
- Является ли классификация способом обработки рекомендаций на основе контента?
- Это что-то, что база данных графа хорошо решает?
Примечание. Я посмотрел на Mahout (поскольку я знаком с Java, а Mahout, по-видимому, использует Hadoop для распределенной обработки), чтобы сделать это в масштабе и воспользоваться хорошо протестированными алгоритмами ML.
Ваша помощь приветствуется. Любые примеры были бы действительно замечательными. Спасибо.