Я новичок в рекомендации Apache Mahout. Вариант использования включает в себя предоставление предложений пользователям на основе их истории покупок. Я планирую использовать следующую информацию:
- Категория покупки
- Сумма покупки
- Время покупки (пример — рекомендовать пару джинсов через 6 месяцев после покупки первой пары)
- Местоположение пользователя
Чтобы идентифицировать пользователей с похожим шаблоном покупки/временем покупки и предоставить им больше предпочтений, нужно ли мне создавать собственную модель данных для каждого пользователя? Я планировал периодически импортировать из базы данных, чтобы воссоздать модель данных. Есть ли способ динамически отдавать предпочтение, как указано ниже:
- Местоположение + категория покупки + соответствие времени
- Категория покупки + соответствие времени
- Соответствие местоположения и времени (пример зимней одежды)
В настоящее время я использую предоставленный образец кода. (Необходимо много модификаций)
UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
UserNeighborhood neighborhood = new ThresholdUserNeighborhood(0.1, similarity, model);
UserBasedRecommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);
List<RecommendedItem> recommendations = recommender.recommend(74, 10);