在 Django 中创建基于用户的协作过滤器

Question

我想为电子商务创建一个

User-Based collaborative filter

这是我的步骤 创建一个与产品和用户具有外键关系的事件模型

首先我创建一个事件和一个推荐模型

class Event(models.Model):
    user = models.ForeignKey(settings.AUTH_USER_MODEL, models.CASCADE, related_name="user_event_set")
    product = models.ForeignKey('product.Product', models.CASCADE, related_name="product_event_list")
    created_at = models.DateTimeField(auto_now_add=True)

    class EventType(models.IntegerChoices):
        seen = 1, "Visited the product page"
        cart = 2, "Added to cart"
        bought = 3, "User purchased the product"
        searched = 4, "User searched for the product"

    event_type = models.IntegerField(choices=EventType.choices)

class Recommendation(models.Model):
    user = models.ForeignKey(settings.AUTH_USER_MODEL, models.CASCADE, related_name="user_recommended_set")
    product = models.ForeignKey('product.Product', models.CASCADE, related_name="product_recommended_set")
    created_at = models.DateTimeField(auto_now_add=True)

现在要获得类似的产品这是我的代码：

为了得到相似的用户，我得到所有的用户

def get_similar_users(user, limit=5):
    all_users = User.objects.exclude(id=user.id).prefetch_related('user_event_set')
    similarities = [(other_user, calculate_similarity(user, other_user)) for other_user in all_users]
    similarities.sort(key=lambda x: x[2], reverse=True)
    return [user_similarity[0] for user_similarity in similarities[:limit]]

使用这个函数计算相似度：

def calculate_similarity(user1, user2):
    user1_events = set(user1.user_event_list.values_list('product_id', flat=True))
    user2_events = set(user2.user_event_list.values_list('product_id', flat=True))

    intersection = user1_events & user2_events
    union = user1_events | user2_events

    similarity = len(intersection) / len(union) if len(union) > 0 else 0
    weight = intersection.aggregate(weight=models.Sum('event_type'))

    #return by event priority  
    return similarity, weight

我使用权重来优先排序用户，购买>购物车>搜索>查看

def recommend_products(user, limit=5):
    similar_users = get_similar_users(user, limit)
    already_recommended_product = set(Recommendation.objects.filter(user=user).values_list('product_id', flat=True))
    to_be_recommended_products = set()

    for similar_user in similar_users:
        events = Event.objects.filter(user__in=similar_user).exclude(
            models.Q(
                models.Q(product_id__in=to_be_recommended_products) | models.Q(product_id__in=already_recommended_product)
            )
        )
        
        for event in events:
            to_be_recommended_products.add(event.product)

    return to_be_recommended_products

现在我只是使用从

recommend_products

功能返回的产品为用户批量创建推荐模型

现在当用户想要推荐时，他/她只需在这个 RestfulAPI 中对其进行分页：

class RecommendedProduct(ListAPIView):
    queryset = Recommendation.objects.all().select_related('product')
    serializer_class = RecommendationSerializer
    permission_classes = (IsAuthenticated,)

    def get_queryset(self):
        qs = super().get_queryset()
        qs = qs.filter(user=self.request.user)
        return qs

这只是一个理论代码，可能有问题，但稍后会修复。

显然所有的计算都将使用芹菜创建。

这里的问题是： 这是一个好方法吗？它会消耗资源，因为这是一个多租户项目 我应该找一个人工智能模型吗？ 我正在考虑将事件数据转换为 csv 以用于 AI 模型，但 csv 会很糟糕 对于 IO，是否有不同的存储方法？我应该使用 no-sql 吗？