基于用户历史的高效产品推荐库

Question

我有一个数据库，里面记录了每个用户查看过哪些产品。我想根据其他相似用户查看过的产品来推荐一些产品。有没有什么Python库可以做到这一点？我不需要像Netflix那样高质量的推荐，只想推荐一些可能会感兴趣的产品。有什么建议吗？

Answer 1

这里有一个可以用来实现推荐系统的Python库：

ocelma / python-recsys

使用起来非常简单！你可以在这里查看一些示例：
快速入门¶

Answer 2

k-最近邻算法可能是实时网络推荐系统中最常用的算法。

在NumPy/SciPy中，你有几个选择 [注意：答案在12月12日更新，以反映sklearn库的更新]：

• 最近邻模块在scikit-learn（也叫sklearn）中；这是一个复杂的kNN实现，包含邻居加权和投票机制，还有一个非常高效的存储/检索组件（球树）；

• scipy.spatial。我在几个项目中使用过这个模块，不过考虑到现在有了sklearn这个更新的kNN实现，我可能不会在下一个项目中使用它。尽管如此，空间模块有一个kd树类（这个模块使用kd树而不是标准的numpy数组来存储数据，配合Voronoi剖分，是存储非常大数据集以供kNN使用的最常见的数据结构）；此外，它还提供了几种距离度量的方法（除了欧几里得距离）。

Answer 3

你可以看看 pysuggest。

网站上说：

SUGGEST 是一个推荐引擎，它可以提供各种推荐算法。Top-N 推荐系统是一种个性化的信息过滤技术，主要用来找出一组 N 个用户可能感兴趣的项目。近年来，Top-N 推荐系统被应用在很多不同的场景中，比如推荐顾客最有可能购买的产品；推荐用户可能喜欢的电影、电视节目或音乐；找出用户可能感兴趣的网页；甚至建议用户不同的搜索信息的方法。