python中的推荐引擎 - 合并自定义相似度指标

Question

我目前正在用python构建一个推荐引擎，我遇到了以下问题。

我想结合协同过滤方法，它的用户-用户变体。回顾一下，它的想法是我们有关于不同用户的信息以及他们喜欢哪些项目（如果适用的话——这些用户对项目的评分）。当我们有喜欢几件事的新用户时，我们只会找到喜欢相同项目的用户并向新用户推荐与新用户相似的用户喜欢的项目。

但我想给它添加一些变化。我将向用户推荐地点，即“今晚去哪里”。我知道用户的偏好，但我还想将我可以推荐的每个项目的距离结合起来。父亲是我要向用户推荐的地方——应该是最不吸引人的地方。

所以总的来说，我想在推荐引擎中加入一个惩罚，每个地方的惩罚量将基于用户到该地点的距离。

如果有人做了类似的事情，我尝试用 google 搜索，但找不到任何东西。有关如何正确添加此类处罚的任何建议？

Answer 1

我会保持简单和独立：

您的重点是协同过滤，因此您的推荐器应该为前 N 个推荐生成分数无论位置如何。

然后您可以重新评分使用这些前 N 个之间的距离。对于简单的 MVP，您可以从反距离衰减开始（例如 final-score = cf-score * 1/distance），并在必要时根据行为证据调整衰减函数。