高效的图书馆根据用户历史推荐产品[关闭]答案

【问题标题】：efficient library to recommend product based on user history [closed]高效的图书馆根据用户历史推荐产品[关闭]
【发布时间】：2010-01-26 01:06:43
【问题描述】：

我有一个数据库，其中包含每个用户查看过的产品，我想根据类似用户查看过的产品推荐产品。是否有可以实现此目的的 Python 库？我不需要 Netflix 质量的结果，只需要更有可能感兴趣的产品。有什么想法吗？

【问题讨论】：

标签： python algorithm performance recommendation-engine

【解决方案1】：

您可以查看pysuggest。

来自网站：

SUGGEST 是 Top-N 推荐实现多种功能的引擎推荐算法。前 N 个推荐系统，个性化信息过滤技术，用于识别一组 N 个项目会引起特定用户的兴趣。近年来，top-N 推荐人系统已被用于许多不同的应用程序，例如推荐客户愿意的产品最有可能购买；推荐电影、电视用户会找到的程序或音乐令人愉快的；识别网页会感兴趣；甚至建议替代搜索方式信息。

【讨论】：

【解决方案2】：

k-Nearest Neighbor 可能是基于 Web 的实时推荐系统最常用的算法。

在 NumPy/SciPy 中，您有多种选择 [注意：答案在 12 月 12 日更新，以反映 sklearn 库中的更新]：

最近邻模块在scikit-learn（又名sklearn）；这是一个复杂的 kNN 实现，包括邻居加权和投票以及非常高效的存储/检索组件（球树）；
scipy.spatial。我已经在几个项目中使用了它，尽管我不太可能将它用于我的下一个项目，因为 sklearn 现在可用，这是 kNN 的更新实现。尽管如此，空间模块有一个 kd-tree 类（kd-tree 这个模块使用而不是标准的 numpy 数组来存储数据，它沿着 w/ Voronoi tesselation，是最常见的专门数据结构，用于为 kNN 存储非常大的数据集）；此外，它还有几个距离度量的方法（除了欧几里得距离）。

【讨论】：

【解决方案3】：

这是另一个实现推荐系统的python库：

ocelma / python-recsys

使用起来非常简单！在此处查看一些示例：
Quick start¶

【讨论】：