AI時代的網站與手機App建置與開發Part17 - 利用電子商務網站的購物歷史資料實作商品推薦系統
· 摘要 很多人說許多 AI 公司到現在也都沒有賺錢 , 或者是說日 AI 到底有什麼人類需要的應用 , 而這種應用能夠持續演進 , 不會像早期的 .COM, 有泡沫化的危機 . 其實 AI 要賺錢很容易 , AI 只能和傳統的 IT 技術整合 , 或位於 IT 系統的背後 , 協助 IT 系統完成傳統的 IT 系統無法提供的功能 , 傳統的 IT 系統的功能就可以更強大 , 並進而賺到錢 . 推薦系統就是一個很經典的案例 , 房屋仲介員可以推薦物業給客戶 , 人力網可以推薦人才給公司 , 婚友網站也可以推薦婚友對象給註冊的會員 , 有了推薦功能上述的網站就可以在與同類型的網站競爭中勝出 , 賺到比同類型網站更多的錢也是必然的結果 身為電子商務領導廠商的 Amazon 的 Amazon.com 網站於 2022 年為 Amazon 公司貢獻了超過 2000 億美金的營收 , 根據 Amazon 自己 2021 年發佈的報告 , 高達 35% 的銷售成績來自推薦功能 . 除此之外 , 美國零售業的巨頭 Walmart 經典的啤酒與尿布的購物籃分析案例 , 就是伴隨購買的推薦案例 . 文章範例下載 : https://github.com/CraigIII/ProductRecommedation.git · 準備訓練資料 在這篇文章中 , 我們將要利用 Amazon.com 網站本身統計的 伴隨購買的商品資料 ( 例如購買重機會伴隨購買防摔衣 , 買香雞排會伴隨購買泡沫紅茶 ) 實作推薦系統 . 本篇文章使用的訓練資料是收集自 Amazon.com 網站的購物資料 , 下載網址 : Amazon product co-purchasing network, March 02 2003 . 圖 1 即為收集自 Amazon.com 的購物資料 , 其中的 FromNodeId 欄位記錄的是使用購買的商品編號 , 而 ToNodeId 欄位描述的是使用者購買了 FromNodeId 欄位的商品時會隨附購買的商品編號 . 圖 1: 收集自 Amazon....