python - 具有隐式反馈的推荐系统

我是推荐系统的新手，我正在尝试基于文章数据构建推荐系统。我们在哪里有用户、文章 ID、内容、操作（打开、评论、分享）、操作时间。

为了开始，我创建了一个基线评分系统。{打开：1，评论：3，分享：4}。现在我想在我的评分系统中添加多个隐含信息。例如：一天中的时间：如果行动发生在晚上，这对用户来说非常有趣内容：用户真的很喜欢关于汽车的文章（大多数文章互动都是关于汽车的）等等。

如何将这些信息“添加”到我的基线模型中。我是否只是创建相同的评分系统并添加到基线分数中？如果您能分享您的想法，我将不胜感激。

谢谢！

标签： pythonimplicitrecommendation-enginecollaborative-filtering

我强烈建议您使用隐式库。

你可以在这里查看文档Implicit ALS

对于隐式库，您只需要您创建的基线评分，并且对于您的数据具有的某些特征，ALS 将尝试自行找出所有特征（因素）。您可以轻松地指定希望模型从数据集中学习的数字因子。

对于使用隐式库，需要丰富的数据集。