Machine learning 针对注册课程相关提示/建议的协同过滤方法

我正在研究一个需要构建推荐者的特定问题。 广义问题如下：， 每个用户都注册了（比如）x个课程（c1、c2、c3、…cx） 根据每门课程，我需要向用户提供（比如）前5条提示/建议（例如，可能有用的学习材料等） 我需要应用协作元素来了解哪些建议对用户有帮助。
我查看了ApacheMahout Taste之类的推荐引擎，但我无法以类似于所示示例的方式对问题进行建模。（如果用户与一个或多个课程相关联，并且每个推荐/提示可能与一个或多个课程相关联，那么额外的筛选条件会让我感到厌烦。）
请让我知道是否有任何好的方法来建模这样的问题？如有任何文档/示例的提示，将不胜感激。 我刚刚开始这方面的研究，所以如果我误解了任何概念，请原谅我

谢谢，

---

Vivek

这可能太简单，不需要推荐人。如果每门课程都有一套相关的材料，那么很明显，选修c1课程意味着他们应该拥有该课程的相关材料。也许在所有材料中按受欢迎程度排列。这可能非常简单，可以完成你需要的大部分工作

如果您想将其建模为CF，您可以；我不知道你有多少数据。如果你只有少数几个用户和课程，那么这些用户和课程就太少，无法给出有用的答案

您的用户与两件事有关：课程和材料。你不想推荐课程，而是推荐材料。我将构建两个数据模型：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定义用户相似性的用户相似性实现的基础。然后将其与最接近的Nusernighborhood（一个通用的基于用户的推荐器）组合在一起，但使用另一个用户材质数据模型

---

您将使用基于课程的用户相似性从材料中提出建议。

谢谢Sean！这太棒了。然而，我无法理解我们如何利用课程材料关系。我确实希望能够仅呈现与用户注册的课程相关的材料。在一开始，当我们没有捕捉到太多的用户材料偏好信息时，情况尤其如此。Mahout有没有办法建立这种直觉？听起来你真的不需要推荐系统；推荐人的目的是推荐与你已经知道的不同的东西。在这里，你似乎想做相反的事情：只推荐与当前课程相关的材料。