本文介绍了如何从零开始使用Python和Django框架搭建一个完整的电影推荐系统网站，涉及预计算、推荐功能。文章提到了Seeded recommendations的概念，即通过分析商品的频繁项来实现推荐，并介绍了关联规则的运用，包括设置最小支持度和自信度，应用Apriori算法进行交易获取和关联规则保存。
本网站有两个组成部分：
- Builder: 预计算
- 推荐
怎么说呢，我感觉就是把推荐，网站，分析，收集器，每个都是个微服务，用用API交互，反正就这个感觉。
一。给网站添加图表
二 。Seeded recommendations
这名字从没听过，但是书中讲的目测就是频繁项，频繁出现在一起的商品，作为彼此的推荐。
具体原理耳熟能详就不说了，自行百度吧。重点要知道自信度 ，支持度。
具体如果应用关联规则呢？
- 设定最小支持度和最小自信度
- 获得所有交易
- 建立单个itemsets，计算他们的支持度，自信度
- 建立多个物品组成的itemsets，计算他们的自信度，支持度
- 遍历找到满足要求的项
三。获得交易
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
