您可以使用基于内容的过滤，但您必须智能地预处理数据以提取产品的所有内容。此外，这可能会导致留下一些功能，在您预处理所有数据之后，本文是一个很好的开始。

此外，您可以对产品与客户进行伪评级。这将取决于您的问题陈述。一些建议可能是客户在过去一个月内购买特定产品的次数，或者您也可以采用一个指数来定义客户购买该产品的频率，数学上将是 last_two_purchases/interval_of_purchase 或者也可以取平均值最近几次购买和间隔。

在进行此伪评级后，您可以将所有基于内容的特征转换为数字特征，并使用潜在因子模型进行协同过滤。参考这个视频。Python 可以用于此。

没有可用的产品评级，因此不能选择协同过滤

错误的。您可以对馆藏进行协同过滤。只需使用持股的数量/持续时间而不是评级。

这就是为什么我想根据用户的购买历史和/或人口统计数据，就用户之间的相似性提出建议

那么任何基于内容的方法都应该没问题。我可以使用用户之间的信任来写一篇名为TrustWalker的好文章（您可以在相似用户之间创建链接并在网络中传播他们的品味）。