Rekomendasi Produk dengan Pembelajaran Mesin

Machine Learning memiliki banyak teknik untuk rekomendasi produk seperti Matrix Factorization, User-User similarity, Item-Item similarity, Content based filtering, dll. Semuanya memiliki pro dan kontra, jadi di dunia nyata perusahaan umumnya menggabungkan sebagian besar dari mereka untuk mendapatkan hasil yang lebih baik .

Di sini saya telah membuat Rekomendasi Produk Magento 2 modul yang akan merekomendasikan berdasarkan Kesamaan item-item. Itu berarti akan merekomendasikan produk serupa berdasarkan pembelian sebelumnya.

Pertama saya telah memuat koleksi produk, pelanggan, dan pesanan untuk membuat matriks item pengguna. Di sini saya telah membuat matriks biner di mana 1 berarti pelanggan telah membeli produk dan 0 berarti sebaliknya.

Kemudian saya telah menghitung kesamaan produk antara masing-masing produk dengan kesamaan kosinus teknik. Saya telah menggunakan rumus kesamaan kosinus karena vektor item akan berdimensi tinggi. Dan untuk kasus kesamaan dimensi tinggi cosinus berkinerja lebih baik dibandingkan dengan jarak euclidean. Saya telah menggunakan perpustakaan sciphp/numphp untuk perhitungan ini.

Setelah itu untuk setiap pelanggan, saya telah mengekstrak k produk serupa teratas berdasarkan pesanan sebelumnya dan skor kesamaan. Dan saya telah mengirimkan rekomendasi produk kepada pelanggan seperti yang ditunjukkan di bawah ini,

Ini adalah implementasi sederhana dari sistem rekomendasi.

Kami dapat menggabungkan hasil dari kesamaan Pengguna-Pengguna untuk mendapatkan hasil yang lebih beragam. Selain itu, alih-alih mempertimbangkan semua pesanan, kami hanya dapat menggunakan data x hari terakhir untuk mendapatkan hasil baru. Strategi ini akan lebih membantu dalam hal kesamaan Pengguna-Pengguna karena perilaku pengguna berubah dari waktu ke waktu.

Untuk mengatasi masalah cold start bagi pengguna baru dan item baru, kami dapat melakukan pemfilteran berbasis konten.

Terima kasih telah membaca blog.