我最近使用了一种预测算法来尝试预测用户愿意使用 ALS（矩阵分解）与项目交互的程度，但我必须将多个属性“压缩”为一个，为这些值确定一些任意权重才能能够计算要使用的评级。

它可以工作（有点），但我认为这绝对是错误的，因为手动加权属性是静态的，并且不能动态地适应数据本身。

我正在考虑切换到分布式随机森林算法，但即使它会（随机）使用所有属性，它们也不会一起使用，这使得它不适合我的目的。

在我的研究中，我发现循环神经网络可能适合我想要实现的目标，但在关注它们之前，因为我不是该领域的专家，我想提出一些建议:)

可能我可以利用 RNN 的时间序列特性，但现在我更喜欢专注于支持我拥有的一组属性。

目前，ALS 的“评级”是根据以下属性计算得出的：

• 用户查看商品页面的次数
• 用户查看类别页面的次数
• 用户查看子类别页面的次数
• 用户从该类别购买了多少次
• 用户从子类别购买了多少次
• 用户在多长时间前购买了该商品
• 用户多久以前从同一类别购买过东西
• 用户多久以前从同一个子类别购买过东西

（和类似的）

值得尝试使用 RNN 吗？如果是，我应该尝试使用 tensorflow 还是 caffe？

谢谢！