評価ではなく購入履歴に基づく推奨システム

保険業界向けに最適化されたレコメンダーシステムのオプションを検討しています。

i）製品保有

ii）ユーザーの特性（セグメント、年齢、裕福さなど）。

強調したい

a）利用可能な製品評価がないため、協調フィルタリングはオプションではありません

b）推奨製品は、すでに購入された製品と類似している必要はありません。したがって、アイテム間の推奨はおそらく関連性がありません。

自動車保険に加入している人は、自宅や旅行などではなく、別のモーター製品を購入する可能性が低いため、保険では、すでに購入したものと同様の製品を推奨することはめったにありません。

そのため、購入履歴や人口統計に基づいて、ユーザー間の類似性に関する推奨事項を作成します

理想的には、それをRで、できればPythonで実装できるようにしたいと考えています。ヘルプと提案をありがとう！

コンテンツベースのフィルタリングを使用することもできますが、製品のすべてのコンテンツを抽出するには、データをインテリジェントに前処理する必要があります。また、一部の機能が残される可能性もあります。この記事は、すべてのデータを前処理した後の優れたスタートです。

また、製品と顧客を擬似的に評価することもできます。それはあなたの問題文に依存します。一部のいくつかの提案は、顧客が特定の製品を過去1か月に購入した回数、または顧客がその製品を購入する頻度を定義するインデックスを取ることもできます。最後のいくつかの購入と間隔の。

この疑似評価を行った後、すべてのコンテンツベースの機能を数値の機能に変換し、協調フィルタリングに潜在要素モデルを使用できます。このビデオを参照してください。これにはPythonを使用できます。

利用可能な製品評価がないため、協調フィルタリングはオプションではありません

違う。持ち株との協調フィルタリングを行うことができます。評価の代わりに、持ち株の数/期間を使用してください。

そのため、購入履歴や人口統計に基づいて、ユーザー間の類似性に関する推奨事項を作成します

次に、コンテンツベースのアプローチで問題ありません。私は、ユーザー間の信頼を使用してTrustWalkerと呼ばれる優れた記事を作成することができます（同様のユーザー間にリンクを作成し、ユーザーの好みをネットワークに伝達します）。