我想为一个优惠券网站建立一个推荐系统，它应该做以下事情：给定用户过去的购买行为，推荐用户可能购买的优惠券。该数据没有用户对优惠券的任何评级。它告诉用户是否购买了某个优惠券，它属于哪个类别，购买这些优惠券的用户的性别和位置等？我正在实施一个项目到项目的协同过滤。根据我通过有关该主题的视频所学到的知识，以下是我的方法：
- 建立所有优惠券的项目资料，其中包含优惠券类别、优惠券可用位置以及可以兑换优惠券的日期等属性。
- 建立所有注册用户的用户档案，包括年龄、性别和位置等属性。
现在我正在制作一个项目和用户矩阵，我将在其中的行中放置优惠券，在列中放置用户。根据用户 U1 过去是否购买了优惠券 C1，我将填写 0 和 1。在同一个数据集中，对于我要预测的优惠券，我将根据项目之间的余弦相似度计算分数。
我的问题是，如果我只使用 0 和 1（是否购买优惠券）来推荐优惠券，那么商品和用户资料有什么用？如果用户过去从 X 类别购买的优惠券多于向他推荐同一类别的新 Y 优惠券，我如何将智能整合到推荐系统中？我在网上阅读了有关使用随机森林等计算推荐系统中属性的“权重”的信息，它们在这种情况下适合什么？
PS我在R中做所有事情。
非常感谢您的任何建议/建议。