在我的项目中，我有一个日本清酒（米酒）的数据库。每种清酒都有以下属性，这些属性与清酒的味道直接相关：
- 分类（枚举1-5个整数）
- 酒精百分比（1-100 整数）
- 抛光百分比（1-100 整数）
- 酸度（双）
系统用户可以：
- 率清酒（1-5双值）
- 将清酒添加到他/她最喜欢的列表中。
依靠这些用户数据，我正在考虑开发一个推荐系统。我正在研究协作过滤方法，但猜它不适合这种情况？
什么样的算法/技术可以用于这种用户推荐？
[编辑] 我正在寻找一种推荐算法，不仅考虑用户评分，还考虑口味属性。
推荐系统取决于用户评分和收藏列表
数据挖掘
机器学习
推荐系统
2022-02-20 16:13:52
2个回答
您可以使用协同过滤。从用户评分中，您可以定义缺少评分的评分矩阵，您的算法将预测该评分矩阵以向用户推荐项目。
项目数据和用户的愿望清单可以作为辅助信息包含在内（基本上，您可以根据酒精百分比、抛光百分比和酸度对清酒进行聚类，并使用 K-mean 算法将用户给他们的愿望清单）。看看这篇论文：
https://pdfs.semanticscholar.org/a0bc/3d1c05da5b57bee066368ffd0839247832c8.pdf
非负矩阵分解显然是首先要尝试的。
如果考虑清酒和用户。所以你会有一个“个人资料”。
然后，您可以预测评分以及用户是否会将其添加到他们的收藏夹列表中。
它是一种标准技术，可用于各种领域，您可以在任何关于机器学习或推荐系统的优秀教科书中阅读更多有关它的信息。
其它你可能感兴趣的问题