这种“嵌套”推荐应该使用什么模型或方法？

我有一个非常具体的推荐问题。

假设我有三种类型的值/实体 – 项目、属性、值。共有N个项目，A个属性和B个值。每个项目都有一些属性-值对。例如：

项目#1
2374-23783
8455-5783
744-2438

项目#2
5435-23783
8455-54654
544-9778

…

现在，假设有一个“匿名”项目，比如项目#x，它有3-4个像上面的样本属性值对，我想为一个特定的属性获取推荐。例如：

项目#x
5435-23783
544-9778
744-2438

8455-?? (获取推荐)

直觉上，项目#x中属性8455的推荐值可能是54654。你会发现属性5435和744在项目#2和项目#x中的值是相同的。因此，属性8455的值更可能与项目#2中的8455的值相似。

问题：

回答：

看起来你不需要任何机器学习，只需要检索。最直接的方法是创建一个特征向量，每个维度是一个属性。

向量位置和属性：

位置 #0, 属性 2374位置 #1, 属性 8455位置 #2, 属性 744位置 #3, 属性 5435位置 #4, 属性 544

为每个项目填充向量值。

项目 #1 表示为 [23783,  5783, 2438,     ?,    ?]项目 #2 表示为 [    ?, 54654,    ?, 23783, 9778]项目 #x 表示为 [    ?,     ?, 2438, 23783, 9778]

项目#x与项目#2的值最相似，而项目#2的位置#1的值是54654。基本上，你是找到与你感兴趣的位置值最匹配的项目。如果你想要多个属性的值，而这些值只能由多个项目建议，那么情况会更有趣，但你还没有提到数据的性质。

学技术