python - 基于用户历史推荐产品的高效库

Question

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。有任何想法吗？

Answer 1

您可以查看pysuggest。

从网站：

SUGGEST 是一个实现了多种推荐算法的 Top-N 推荐引擎。Top-N推荐系统是一种个性化的信息过滤技术，用于识别一组N个项目，这些项目会引起某个用户的兴趣。近年来，top-N 推荐系统已被用于许多不同的应用中，例如推荐客户最有可能购买的产品；推荐用户喜欢的电影、电视节目或音乐；识别感兴趣的网页；甚至建议搜索信息的替代方式。

Answer 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：答案于 12 月 12 日更新以反映sklearn库中的更新]：

• scikit-learn中的最近邻模块（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（该模块使用kd-tree而不是标准的 numpy 数组来存储数据，它与Voronoi tesselation一起，是存储非常大的数据集的最常见的专用数据结构对于 kNN); 此外，它还有几个距离度量的方法（除了欧几里得距离）。

Answer 3

这是另一个实现推荐系统的python库：

ocelma / python-recsys

使用它非常简单！在此处查看一些示例：
快速入门¶