如何在数据库中创建建议？

Question

我想开发一个小型音乐库。我的目标是为用户添加建议的概念：

• 用户将音乐添加到应用程序中，他根本没有联系，它是匿名。
• 当用户打开或关闭应用程序时，我们将他的库发送到我们的数据库，以收集（仅）新的音乐曲目信息。
• 当用户点击建议时，我想检查数据库并将他的库与数据库进行比较。我想找到用户喜欢他的音乐，他和他听同样的音乐，听。

我的想法是在两个音乐之间建立一个链接，这个链接定义为百分比获得这两个音乐的用户。如果这个百分比很高，我们可以向听第一个的用户建议第二个。

我需要一些帮助才能找到有关该类型数据库的文档，没有任何用户的想法。我必须将用户库与大量音乐进行比较。我发现它的基于商品的推荐。我有一个好方法吗？

Answer 1

用户是否收听某首歌或将其放入他/她的图书馆可能会产生误导。很多时候，样本音乐会附带一个操作系统或音乐播放器，用户根本不在乎删除它，或者很多时候机器很难确定音乐和其他声音之间的区别。或者也许某人有一些他们下载的音乐，因为它在纸上看起来很有趣，或者出现在他们喜欢的专辑中，但实际上他们最终不喜欢那首歌，但又没有删除它。

有一段时间我将Windows Media播放器设置为随机播放计算机上的所有音乐，令我惊讶的是，我听到了之前从未听过的音乐效果（来自我从未听说过的艺术家，我没有播放的音乐类型和＃ 39; t听），甚至Windows点击让我感到困惑的声音，因为我没有点击任何内容。

我说了所有这些，指出你可能想要更多地考虑用户看起来听同样的音乐。也许你可以让用户对他们收听的歌曲进行评分，并且不仅可以比较他们图书馆中的歌曲，还可以比较他们对歌曲的评分。如果两个用户拥有所有相同的歌曲，但是一个用户讨厌其他喜欢的歌曲，反之亦然，那么他们真的没有相似的口味。

我会定义一个比较两个用户的UDF＆＃39;如果用户2没有，则通过取每个歌曲用户1而忽略它，但如果确实如此，则从最大评级中减去其评级差异的绝对值，然后将所有这些值加在一起。

然后我会为每个用户对另一个用户运行这个UDF并选择前几个用户，然后推荐他们评价很高的歌曲。

这将花费很长时间，特别是如果您有大量用户，那么您还可以做一个Suggestors表来存储每个用户最相似的用户，并更新（即截断）然后通过上述过程每天，每周，每月，根据您的情况重建它。建议功能（当由用户使用时）将仅需要检查用户的建议者＆＃39;高收视率的歌曲，这将花费更少的时间，但会保持与用户的添加和更改相当及时更新。库。