从客户购买/收听行为中统计“相似产品/音乐/...”的工作原理是啥？

Posted 2023-03-12

【中文标题】从客户购买/收听行为中统计“相似产品/音乐/...”的工作原理是啥？

【英文标题】：How does statistical calculation of "similar products/music/..." from customer buying/listening behaviour work?从客户购买/收听行为中统计“相似产品/音乐/...”的工作原理是什么？

【发布时间】：2011-07-02 04:31:43

【问题描述】：

我的意思是亚马逊上的产品推荐，或者更具体地说是 Last.fm 上的类似乐队推荐。

鉴于您可以存储用户的完整收听/购买行为（谁听了 WHAT How OFTEN？），您如何计算哪些频段与任何给定频段相似，以及多少？

我在 Wikipedia 上找到了一些网站（Association rule learning、Affinity analysis），但我想从程序员的角度获取一些信息，最好是一些伪代码或 Python 代码。

因为我有

 dic = 
"Alice"   :  "AC/DC" : 2, "The Raconteurs" : 3, "Mogwai" : 1 ,
"Bob"     :  "The XX" : 4, "Lady Gaga" : 3, "Mogwai" : 1, "The Raconteurs" : 1 
"Charlie" :  "AC/DC" : 7, "Lady Gaga" : 7 
 

其中的数字是播放次数，我将如何迭代它以找到乐队的相似性？

【问题讨论】：

我认为您的问题不清楚：您是在问实施篮子分析需要哪些数据结构？

嗯，也许我可以编辑我的问题以使其更清楚。我正在寻找使用的算法。如果它被称为篮子分析，你已经在某种程度上帮助了我。我现在在 Wikipedia 的 Affinity Analysis 下找到了它。但是，我在任何地方都找不到它的伪代码或 Python 代码。

@Justin：不，我没有使用数据库......但我期待着假设我使用的答案。我可能会学到一些东西。

好问题，恕我直言。我一直想知道这类算法。

【参考方案1】：

《Programming Collective Intelligence: Building Smart Web 2.0 Applications》这本书很经典，使用Python。除其他外，它还处理推荐引擎。

【讨论】：

甜蜜。买了，但在 oreilly.com 上作为 ePub，因为这样在我的 iPad 上更好。

@Paul：有道理，我将链接更改为直接指向 O'Reilly。

哦，抱歉，这更有利于 Stack Overflow 弄清楚要拥有哪些附属链接。不过，知道 SO 的人们更喜欢从哪里获得他们的书会很有趣。

我现在也买了。本来希望在这里得到直接的答案，但是这本书有这么好的评论，我认为它完全值得购买。 +1。

【参考方案2】：

您可能会发现 Orange 中的 Association Rules 小部件（以及其他小部件）有助于入门。另一个有用的软件包是pysuggest，它实现了许多recsys/协作过滤算法。

【参考方案3】：

我认为您所说的是协同过滤。据我所知，亚马逊和其他公司使用了一个名为 Apache Mahout 的 Java 框架，简而言之，它是一个基于用户/项目数据的“推荐工厂”。

检查一下，它是免费的。但是，我不确定它是否适合 Python 集成，我在那个部门还不是新手。

【参考方案4】：

当您拥有关联用户和产品的数据时，您在这两个集合之间隐含了一个二分图。该图的（非常稀疏的）邻接矩阵很有用。如果您对列的长度进行规范化，然后将其转置乘以矩阵本身，那么在某种意义上，您就会拥有项目与项目的相似性，因为它们反映在中间用户群中。