Sistema de recomendação com base no histórico de compras, não nas classificações

7

Estou explorando opções para sistemas de recomendação otimizados para o setor de seguros, o que levaria em consideração

i) explorações de produtos

ii) características do usuário (segmento, idade, riqueza, etc.).

Eu quero enfatizar isso

a) não há classificações de produtos disponíveis, portanto a filtragem colaborativa não é uma opção

b) os produtos recomendados não precisam ser semelhantes aos produtos que já foram adquiridos; portanto, as recomendações item a item provavelmente não são relevantes.

Lembre-se de que, no seguro, você raramente deseja recomendar produtos semelhantes aos já adquiridos, pois é improvável que alguém do seguro de carro queira comprar outro produto Motor, em vez de Casa ou talvez Viagem, etc.

É por isso que desejo desenvolver recomendações sobre semelhanças entre os usuários com base em seu histórico de compras e / ou dados demográficos

Idealmente, eu gostaria de poder implementá-lo em R, se não for possível, em Python. Obrigado pela ajuda e sugestões!

machine-learning python r recommender-system

— Kasia Kulma
fonte

Leia sobre filtragem colaborativa implícita ; classificações explícitas não necessárias.

— Emre

obrigado, @Emre, essa foi uma palavra-chave muito útil para minha pesquisa, felicidades!

— Kasia Kulma

6

Você pode usar a filtragem baseada em conteúdo, mas precisa pré-processar de forma inteligente os dados para extrair todo o conteúdo dos produtos. Além disso, isso pode levar a deixar alguns recursos. Este artigo é um excelente avanço depois que você pré-processa todos os dados.

Além disso, você pode fazer pseudo-classificações para produto versus cliente. Isso dependeria da sua declaração do problema. Algumas poucas sugestões podem ser o número de vezes que o cliente comprou o produto específico no último mês ou você também pode escolher um índice que defina com que frequência o cliente compra aquele produto que, matematicamente, seria last_two_purchases / interval_of_purchase ou também poderia levar uma média das últimas compras e intervalos.

Depois de fazer essa pseudo-classificação, você poderá converter todos os recursos baseados em conteúdo em números e usar o modelo de fator latente para filtragem colaborativa. Consulte este vídeo. Python pode ser usado para isso.

— janpreet singh
fonte

obrigado, @janpreet_singh, considerei a filtragem com base em conteúdo, mas tenho medo de recomendar os itens mais semelhantes aos já comprados. No seguro, isso raramente é desejável, pois é improvável que alguém do seguro de carro queira comprar outro produto Motor, em vez de Casa ou talvez Viagem, etc. É por isso que desejo basear as recomendações em semelhanças entre os usuários com base no histórico de compras e / ou dados demográficos

— Kasia Kulma,

de nada @KasiaKulma Você pode tentar a segunda abordagem, com pseudo-classificações envolvidas. Isso pode capturar o tipo de relacionamento que você está procurando. O procedimento está descrito no vídeo.

— precisa saber é o seguinte

aplausos, mate, vai definitivamente ter um olhar

— Kasia Kulma

5

não há classificações de produtos disponíveis, portanto, a filtragem colaborativa não é uma opção

Errado. Você pode fazer a filtragem colaborativa com explorações. Basta usar os números / duração das participações em vez das classificações.

É por isso que desejo desenvolver recomendações sobre semelhanças entre os usuários com base em seu histórico de compras e / ou dados demográficos

Qualquer abordagem baseada em conteúdo deve ser adequada. Posso ler um bom artigo chamado TrustWalker usando a confiança entre usuários (você cria links entre usuários semelhantes e propaga seus gostos na rede).

— Robin
fonte