聽說啤酒和尿布很配？教你用協同過濾做推薦

（本文數據為虛構，僅供實驗）

一、背景

數據挖掘的一個經典案例就是尿布與啤酒的例子。尿布與啤酒看似毫不相關的兩種產品，但是當超市將兩種產品放到相鄰貨架銷售的時候，會大大提高兩者銷量。很多時候看似不相關的兩種產品，卻會存在這某種神秘的隱含關係，獲取這種關係將會對提高銷售額起到推動作用，然而有時這種關聯是很難通過理性的分析得到的。這時候我們需要藉助數據挖掘中的常見演算法-協同過濾來實現。這種演算法可以幫助我們挖掘人與人以及商品與商品的關聯關係。

協同過濾演算法是一種基於關聯規則的演算法，以購物行為為例。假設有甲和乙兩名用戶，有a、b、c三款產品。如果甲和乙都購買了a和b這兩種產品，我們可以假定甲和乙有近似的購物品味。當甲購買了產品c而乙還沒有購買c的時候，我們就可以把c也推薦給乙。這是一種典型的user-based情況，就是以user的特性做為一種關聯。

本文的業務場景如下：

通過一份7月份前的用戶購物行為數據，獲取商品的關聯關係，對用戶7月份之後的購買形成推薦，並評估結果。比如用戶甲某在7月份之前買了商品A，商品A與B強相關，我們就在7月份之後推薦了商品B，並探查這次推薦是否命中。

二、數據集介紹

數據源：本數據源為天池大賽提供數據，數據按時間分為兩份，分別是7月份之前的購買行為數據和7月份之後的。

具體欄位如下：

數據截圖：

三、數據探索流程

首先，實驗流程圖：

1.協同過濾推薦流程

首先輸入的數據源是7月份之前的購物行為數據，通過SQL腳本取出用戶的購買行為數據，進入協同過濾組件。協同過濾的組件設置中把TopN設置成1，表示每個item返回最相近的item和它的權重。通過購買行為，分析出哪些商品被同一個user購買的可能性最大。設置圖如下：

協同過濾結果，表示的是商品的關聯性，itemid表示目標商品，similarity欄位的冒號左側表示與目標關聯性高的商品，右邊表示概率：

2.推薦

上述步驟介紹了如何生成強關聯商品的對應列表。這裡使用了比較簡單的推薦規則，比如用戶甲某在7月份之前買了商品A，商品A與B強相關，我們就在7月份之後推薦了商品B，並探查這次推薦是否命中。這個步驟是通過下圖實現的：

3.結果統計

上面是統計模塊，左邊的全表統計展示的是根據7月份之前的購物行為生成的推薦列表，去重后一共18065條。右邊的統計組件顯示一共命中了90條。

四、推薦系統反思

根據上文的統計結果可以看出，本次試驗的推薦效果並不理想，原因在如下幾方面。

1）首先本文只是針對了業務場景大致介紹了協同過濾推薦的用法。很多針對於購物行為推薦的關鍵點都沒有處理，比如說時間序列，購物行為一定要注意對於時效性的分析，跨度達到幾個月的推薦不會有好的效果。其次沒有注意推薦商品的屬性，本文只考慮了商品的關聯性，沒有考慮商品是否為高頻或者是低頻商品，比如說用戶A上個月買了個手機，A下個月就不大會繼續購買手機，因為手機是低頻消費品。

2）基於關聯規則的推薦很多時候最好是作為補充，真正想提高準確率還是要依靠機器學習演算法訓練模型的方式。

更多深度技術內容，請關注云棲社區微信公眾號：yunqiinsight。