没有评级的推荐引擎

Question

我在 Towards Data Science/medium/ 等方面发现了数十篇关于使用 imdb 数据制作推荐引擎的文章（基于用户对电影的评分，我们应该向这些用户推荐哪些电影）。这些文章从基于用户的内容过滤和基于项目的内容过滤的“基于内存的方法”开始。我的任务是制作一个推荐引擎，由于没有一个套装真正关心或了解这一点，我想做最低限度的工作（这似乎是基于用户的内容过滤）。

问题是，我所有的数据都是二元的（没有评分，只是根据其他用户购买的物品，我们是否应该向类似用户推荐物品-这实际上类似于所有媒体文章都从彼此那里窃取的漫画，但是没有一篇中等文章给出了如何做到这一点的例子）。

所有文章都使用 Pearson Correlation 或余弦相似度来确定用户相似度，我可以将这些方法用于二进制维度（购买与否），如果可以，如何，如果不是，是否有不同的方法来衡量用户相似度？

我正在使用 python 顺便说一句。我在想也许使用汉明距离（有没有不好的原因）

Answer 1

• 即使对于二进制维度，基于相似度得分的方法也确实有效。当您有分数时，两个相似的用户可能看起来像 [5,3,3,0,1] 和 [4,3,3,0,0]，而在您的情况下，它会像 [1,1, 1,0,1] 和 [1,1,1,0,0]。

from scipy.spatial.distance import cosine
1 - cosine([5,3,2,0,1],[4,3,3,0,0])
0.961161313666907
1 - cosine([1,1,1,0,1],[1,1,1,0,0]) 
0.8660254037844386

• 另一种方法是，如果您可以获得用户购买产品的次数，则可以将该次数用作评级，然后可以计算相似度