我的意思是亚马逊上的产品建议或更具体地说是 Last.fm 上的类似乐队推荐。
鉴于您可以存储用户的完整收听/购买行为(谁收听什么频率？)，您如何计算哪些频段与任何给定频段相似，以及多少？
我在维基百科上找到了一些网站( Association rule learning 、 Affinity analysis )，但我想从程序员的角度获取一些信息，最好是一些伪代码或 Python 代码。
鉴于我有
dic = {
"Alice" : { "AC/DC" : 2, "The Raconteurs" : 3, "Mogwai" : 1 },
"Bob" : { "The XX" : 4, "Lady Gaga" : 3, "Mogwai" : 1, "The Raconteurs" : 1 }
"Charlie" : { "AC/DC" : 7, "Lady Gaga" : 7 }
}
数字是播放次数，我将如何迭代以找到乐队的相似性？
最佳答案
“Programming Collective Intelligence: Building Smart Web 2.0 Applications ”一书是经典，使用Python。除此之外，它还涉及推荐引擎。
关于python - "similar products/music/..."来自客户购买/收听行为的统计计算如何工作？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/5081705/