推荐系统实验

Question

我正在阅读《集体智能编程》一书，并尝试将我所学到的知识应用到 Northwind 数据库中。尽管我对所提出的算法的理解还没有信心，但我开始了解一般概念。

使用 Northwind 数据库，我尝试使用以下伪逻辑显示“购买此产品的客户也购买了 XYZ”的列表：

1. 查找也购买了我的商品的其他客户
2. 查找这些客户购买的所有其他商品
3. 根据以下条件对商品进行排名购买计数
4. 返回上一步中的前 N ​​件商品

我正在处理以下查询：

declare 
    @customerid nchar(5),
    @productid int;

set @customerid = 'ALFKI';
set @productid = 59;

-- find other products from customers who
-- also purchased my productid

select top 10
    od.productid, c.categoryname, p.productname, p.unitsonorder, count(od.productid)
from
    [order details] od
        inner join orders o on o.orderid = od.orderid
        inner join products p on p.productid = od.productid
        inner join categories c on c.categoryid = p.categoryid
where
    o.customerid <> @customerid and
    od.productid <> @productid and 
    p.discontinued = 0
group by
    od.productid, c.categoryname, p.productname, p.unitsonorder
order by 5 desc,4 desc

我认为下一步是分解查询，以便我可以根据最近的购买（而不是所有历史购买）进行过滤并限制客户匹配 N 个客户，而不是所有购买我产品的客户。任何人都可以提供任何指示吗？我的方向正确吗？我应该采取完全不同的方向吗？

在这一点上，我的目标是性能而不是准确性，因为我知道我还没有经验来应用算法来充分发挥其作用。我只是想应用这个概念。一旦我对自己的理解足够满意，我打算使用更真实的客户数据针对更大的数据库测试此查询。

Answer 1

这通常被称为“市场篮子”分析或“亲和力分组”，它并不像听起来那么简单，主要是由于大量的组合。首先要考虑的是能够导致阳性检测的最少病例数是多少。例如，假设我们有 100 万个购物篮，购买产品 A 的 10 个人也在同一个购物篮中购买了产品 B。 10个案例足以说明“买了A的人也买了B”吗？因此，使用“最近”购买的商品有点棘手。这个想法是创建一个产品对表，但如果我们有 N 个产品，组合数量为 N*(N-1)，因此对于 1000 个产品的商店，我们将有 999000 个组合，因此修剪的算法是不简单。

另一件需要考虑的事情是物品的顺序和每件物品的价值。例如，购买自行车的顾客可能经常购买（添加）“LED 灯”。但是，如果将 LED 灯放入篮子中，系统是否应该在列表中提供自行车？

考虑到您正在使用 SQL Server，我建议您使用分析服务数据挖掘为此目的使用“MS关联算法”。通过使用相同的数据，您可以将您的结果与“商业解决方案”进行比较。