Comparez les prix des domaines et des services informatiques des vendeurs du monde entier

Bibliothèque efficace pour la recommandation de produit basée sur l'historique des utilisateurs

J'ai une base de données des produits que j'ai examinée à travers chaque utilisateur, et je souhaite recommander un produit en fonction du fait que nous avons examiné ces utilisateurs. Y a-t-il une bibliothèque Python, qui peut y parvenir? Je n'ai pas besoin de résultats de qualité Netflix, Juste des produits qui sont les plus susceptibles de ne pas intéresser. Des idées?
Invité:

Fabrice

Confirmation de:

tu peux vérifier
http://code.google.com/p/pysuggest/
.

Du site:

Suggère est un mécanisme de recommandations Top-N
, qui implémente beaucoup
Algorithmes des recommandations.
Systèmes de recommandation Top-N, Personnalisé
Technologie de filtrage d'informations
Utilisé pour identifier un ensemble de N éléments qui
Sera intéressé par un utilisateur spécifique.
Ces dernières années, des systèmes de recommandation top-N
utilisé dans un nombre
diverses applications telles
comme recommandations de produits que client
, Très probablement, acheter; Recommandations de films, TV
programmes ou musique que l'utilisateur trouvera
Identifier les pages Web qui seront d'intérêt; Ou même suggérer des moyens alternatifs de rechercher des informations.

Eugene

Confirmation de:

K-voisin le plus proche

, Probablement l'algorithme le plus communément mis en œuvre pour les systèmes de recommandation Web en temps réel.

DANS

NumPy/SciPy

Vous avez plusieurs options [Remarque: la réponse est mise à jour en décembre 12, Pour refléter les mises à jour dans la bibliothèque

sklearn

]:


Module près des voisins

dans
http://scikit-learn.org/stable ... hbors
/ Il pareil

sklearn

/; Ceci est une implémentation complexe kNN, qui comprend la pesée des voisins et le vote, ainsi qu'un composant de stockage très efficace/Extrait /

Arbre de balle

/;

http://docs.scipy.org/doc/scip ... .html
Je l'ai utilisé pour plusieurs projets, même si je l'utilise à peine pour mon prochain, en considérant que sklearn Maintenant accessible, ce qui est plus up-to-date Mise en œuvre kNN. Cependant, le module spatial a une classe KD-arbre / Kd-arbre , pas un tableau standard numpy Utilisé par ce module de stockage de données qui, avec w/ La tessellation de la couronne est la structure de données spécialisée la plus courante pour stocker de très grands ensembles de données pour kNN/; De plus, il a des méthodes pour plusieurs métriques de distance /En plus de la distance euclidienne/.

Giselle

Confirmation de:

Voici une autre bibliothèque python Pour mettre en œuvre le système de recommandation:

https://github.com/ocelma/python-recsys
Pour l'utiliser, c'est très simple! Voir quelques exemples ici:

http://ocelma.net/software/pyt ... .html

Pour répondre aux questions, connectez-vous ou registre