淘宝数据评分推荐系统——物品协同过滤

Table_2: Users’shopping records at brick-and-mortar stores before Dec. 2015. (ijcai2016_koubei_train)
User_id、Merchant_id、Location_id 、Time_Stamp
Table_3: Merchant information. (ijcai2016_merchant_info)
Merchant_id 、Budget(budget constraints imposed on the merchant) 、Location_id_list
Table_4: Prediction result. (ijcai2016_koubei_test)
User_id、Location_id、Merchant_id_list

首先统计了以下几个数据结构：

1. 用户消费轨迹：记录了用户的消费行为与历史记录
2. 商家互动关系：同时记录了商家与消费者的互动关系
3. 商家交易活跃度：将交易活跃度量化为用户访问次数
4. 商城热力分布模型：构建了商圈与店铺热力分布的空间模型
5. 相似性计算结果：其相似性计算结果被存储为一个二维数组

1、针对某用户而言，在其经营区域内的经营商户数量不足10家时，则将其纳入全店范围内的基础推荐范