一种基于物品排序方法的食品杂货推荐算法

本研究提出一种用于在线食品杂货购物的新推荐系统算法。该算法基于这样一种观点：由于杂货物品通常以批量购买，杂货推荐系统应能够以批量方式推荐物品。算法根据加入购物篮的物品推断用户可能烹饪的菜肴，并相应地推荐食材。我们的算法不依赖于用户评分。顾客通常没有耐心对他们购买的杂货进行评分。因此，需要设计不依赖于用户评分的算法。该算法不使用暴力搜索，而是将搜索空间限制为仅少数可能食品类别的集合。每个食品类别包含若干食品子类别。例如，“炒饭”和“比尔亚尼菜”是属于“米饭”食品类别的食品子类别。对于每个食品类别，依据物品区分食品子类别的能力对其进行排序。对于激活搜索空间中的每个食品子类别，该算法附加一个分数。分数基于加入购物篮物品的排名计算。一旦分数超过阈值，其相应子类别即被激活。算法随后使用篮-to-食谱相似度度量，仅在已激活子类别内识别最佳食谱匹配。这在很大程度上缩减了搜索空间。我们或可认为该算法在某种意义上有似于基于内容的推荐系统，但其不受限于内容匮乏、过度专门化或新用户问题等局限。