我有一个场景想提供建议。 为了简单起见，假设我有保存购买和购买项目记录的数据库表。 每个购买项目描述了应用程序向用户提供的购买项目的数量、描述（鞋子、裤子、衬衫）以及总价格。 通常，与特定购买相关的一个购买物品或一系列购买物品将自动触发添加类似类型购买的其他关联购买物品（也许他们想要添加帽子或手套）。
需要注意的是，这些类型的项目没有分配类别。 它们可能完全不相关，除非它们定期一起应用于购买（衬衫、食物和相机不相关，但可能经常一起购买）。 也就是说，这是用户的购买习惯而不是（推荐帽子，因为它们是衬衫的一种服装）。
我尝试了推荐算法，但不完全理解如何在这种情况下应用它。 这是我应该考虑的正确算法吗？
对于推荐引擎，存在很多替代方案。大多数在线商店工作人员都使用混合模型，该模型结合了协作过滤模型（跟踪用户对产品的偏好并从这些偏好中学习的系统）和基于内容的算法，该算法基本上根据产品的规格推荐产品。 这是一篇很好的文章，介绍了理论和一些代码。