我们如何根据用户喜好或浏览历史在 Apache Mahout 上运行推荐系统?简而言之,在基于内容的网站上,95% 的流量来自未登录的用户,他们将通过搜索引擎访问。我们可以通过使用 IP 来使它们独一无二。 Apache Mahout 上是否有可以找出用户相似浏览行为并推荐相关内容的地方?
最佳答案
如果用户“喜欢”(例如单击链接)您网站中的多个项目(链接),协作过滤应该仍然有用。还可以考虑放置一个 cookie,以便您稍后可以再次识别该用户。
更明确地说,如果您使用 IP 作为用户 ID 并为您的内容(假设文章)提供项目 ID,则可以仅使用 GenericUserBasedRecommender。您可以将链接点击视为“喜欢”。有一篇很好的文章,其中包含有关更复杂系统的数据,但也涉及与非 ID 用户相同的问题:Google news scalable recommendation framework
此外,考虑根据内容对项目进行聚类。然后你就可以在完全不了解用户的情况下推荐类似的项目。
关于machine-learning - Mahout中基于用户喜好的推荐系统,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/6261253/