偏好匹配算法

数据挖掘 算法
2022-02-17 09:16:03

我正在处理这个附带项目,我需要为以下问题构建解决方案。

我有两组人(客户)。“A”组打算购买,“B”组打算出售确定的产品“X”。

该产品具有一系列属性 x_i,我的目标是通过匹配他们的偏好来促进“A”和“B”之间的交易。主要思想是向“A”中的每个成员指出“B”中的对应者谁的产品更适合他的需求,反之亦然。

问题的一些复杂方面:

  1. 属性列表不是有限的。买家可能对非常特殊的特性或某种设计感兴趣,这在人群中是罕见的,我无法预测。之前无法列出所有属性;

  2. 属性可能是连续的、二元的或不可量化的(例如:价格、功能、设计)。

关于如何解决这个问题并以自动化方式解决它的任何建议?
我们的想法是在这里真正开箱即用,因此请随意“疯狂”地提出您的建议。

如果可能的话,我也会感谢一些对其他类似问题的参考。

1个回答

这可以是机器学习和简单匹配练习之间的交叉。

我认为 X_i 往往是相当定义和有限的,而 A_i 可能是模糊的而不是有限的。从纯算法的角度来看,我会搜索 X_i = A_i 的实例并将结果存储到排序容器中。X_i_n = A_i_k 的某些 X 的命中次数越多,X 得分就越多。然后按照从最佳匹配到最低匹配的点顺序将 X 呈现给 A。

在机器学习机制上,由于算法服务于许多 As(意味着成千上万,甚至数百万)模式将开始发展,并且 A_i 的某些组合将更普遍,或者换句话说,对其他 A_i 更有价值对于某个类别的 A。使用这些模式,将重新平衡点的权重,以提高获得正确报价的机会。

有点像搜索引擎的工作方式。