我正在研究一个特定的问题，需要构建一个推荐系统。一般的问题描述如下：每个用户注册了（假设）x门课程（c1, c2, c3, .. cx）。根据每门课程，我需要向用户提供（假设）前5个提示/推荐（例如，可能有用的学习材料等）。我需要应用协同元素来学习哪些推荐对用户有帮助。
我查看了像Apache Mahout Taste这样的推荐引擎，但我无法以一种与展示的例子相似的方式来建模我的问题。（用户与一门或多门课程相关联，以及每个推荐/提示可能与一门或多门课程相关联的额外过滤条件让我感到困惑。）
请告诉我是否有好的方法来建模这样的问题？任何指向文档/例子的指引将非常受欢迎。我刚刚开始在这个领域的研究，所以如果我误解了任何概念，请多包涵。

谢谢，
@Vivek

回答：

这可能太简单了，不需要推荐系统。如果每门课程都有一套相关的材料，那么显然，选择课程c1就意味着他们应该拥有该课程的相关材料。也许可以根据所有材料的受欢迎程度进行排名。这可能非常简单，并且能满足你的大部分需求。

如果你想将这建模为协同过滤，你可以；我不知道你有多少数据。如果你只有少数用户和课程，数据将过于稀疏，无法提供有用的答案。

你的用户与两件事有关：课程和材料。你不想推荐课程，而是材料。我会构建两个数据模型：一个包含用户-课程信息，另一个包含用户-材料购买信息。使用用户-课程数据作为用户相似性实现的基础，定义用户-用户相似性。然后将它与NearestNUserNeighborhood、GenericUserBasedRecommender结合，但使用另一个用户-材料数据模型。

你将使用基于课程的用户-用户相似性来从材料中进行推荐。