---

※ 引述《pologuy (購物慾好強)》之銘言：
: ex：
: 甲買商品A 同時會購買BC
: 乙買商品A 同時會購買CD
: 因此A和C的關聯性較高
: 那麼要如何將A商品的關聯性商品記錄下來，並且將較高關聯性的商品（如上述C）推薦給
: \
: 消費者？
: 這是小弟之前面試的題目，想不到好的方法，想請教各位！

如果是面試，簡單的作法是把甲和乙（或其它user 假設是相同一個人）
並假設ABC與時間無關（想成賣永久，不會下架）

這樣問題可以簡化成frequent itemset/ Association rule learning 的問題
看這裡：http://en.wikipedia.org/wiki/Association_rule_learning
其中最簡單的解法是aprior: http://en.wikipedia.org/wiki/Apriori_algorithm
每一本資料探碪的書一定都會教這個演算法，本身很簡單，這裡就略過

面試要求現場寫出apriori的code挺合理的，基本上就是算confidence和support



那…如果甲乙丙（user有不同偏好）不是同一個人，且東西有時效性（想成電影）
這幾年最經典的2010 KDD　Best paper的
BellKor's Pragmatic Chaos 演算法
Paper下載點：http://dl.acm.org/citation.cfm?id=1721677

後者那個鬼東西要看懂（不要講實作）都要好幾天
不可能現場寫得出來


相關的面試問題還有很多，基本上這是在考
Recommendation System Design或是Collaborative Filtering

有時候還會被加問如果資料很大（超大，大到放不到一台電腦如何解決）
正解是map-reduce　over hadoop，配上Apache Mahout
裡面有現成的Collaborative Filtering 函式庫可以使用



--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 131.179.64.104
※ 編輯: chucheng        來自: 131.179.64.104       (04/25 05:05)

--