Apache mahout recommender - 모든 사용자에 대한 데이터 모델을 다시 만들어야합니까?

Question

나는 Apache Mahout recommender를 처음 사용합니다. 유스 케이스에는 구매 내역을 기반으로 사용자에게 제안을 제공하는 것이 포함됩니다.

위치 -

• 구매 카테고리
• 구매 금액
구입
• 시간 (첫 번째 쌍을 구입했다 6개월 후 데님 한 쌍의 추천 예) : 나는 다음과 같은 정보를 사용할 계획입니다 of user

비슷한 구매 패턴/구매 시간을 가진 사용자를 식별하고 선호도를 부여하려면 모든 사용자에 대해 맞춤 데이터 모델을 만들어야합니까? 데이터 모델을 주기적으로 가져와 데이터 모델을 다시 만들 계획이었습니다.

1. 위치 + 구매 카테고리 + 시간 경기
2. 구매 카테고리 + 시간 경기
3. 위치 + 시간 일치 (예를 들어 겨울 의류)

: 아래에 언급 한 것처럼 동적 우선 순위를 부여 할 수있는 방법이 있나요

현재 제공된 샘플 코드를 사용하고 있습니다. > INF - 당신은 당신이 t_since_last_purchase 정수 0과 같은 기능을 추가하여 데이터에 대한 단계를 할 필요가 sugguesting 무엇을 달성하기 위해 일반적으로

UserSimilarity similarity = new PearsonCorrelationSimilarity(model); 
     UserNeighborhood neighborhood = new ThresholdUserNeighborhood(0.1, similarity, model); 
     UserBasedRecommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity); 
     List<RecommendedItem> recommendations = recommender.recommend(74, 10); 

Answer 1

을, (많은 수정이 필요하다). 예 : 마지막 구매 이후 며칠.

이 기능 (시간)은 서로 관련되어있는 다른 사용자 기능입니다.

필자가 이전에 Map-Reduce 기반의 reccomenders 중 일부를보고 있다고 생각합니다. 실제로는 일류이지만, 사용 사례가 주어지면 확인할 수있는 상당한 이점이있는 coorelated cooccurence based reccomenders을 확인하는 것이 좋습니다. 사용자의 여러 활동 (귀하의 경우, 위치, 이전 구매, 시간).