关联推荐任务说明
1. 任务目标
基于用户和商品的隐式反馈行为，输出每个商品的 Top-5 关联商品推荐，并说明推荐方法。
2. 输入材料
- 清洗后的用户行为数据。
- 字段：
user_id,item_id,category_id,behavior_type。
3. 推荐工具
| 工具 |
推荐程度 |
用途 |
| Python |
推荐 |
构建用户-商品集合和共现 |
| pandas |
推荐 |
数据读取和结果导出 |
| Excel |
结果查看 |
查看推荐样例 |
4. 阶段小任务
| 阶段 |
小任务 |
最低产出 |
完成标准 |
| 1 |
交互集合 |
用户-商品交互表 |
去重后能表示正向反馈 |
| 2 |
共现统计 |
商品对共现次数 |
控制高活跃用户计算量 |
| 3 |
Top-5 推荐 |
推荐结果表 |
每个商品最多 5 个关联商品 |
| 4 |
抽查解释 |
推荐样例说明 |
能解释是否合理 |
| 5 |
方法说明 |
推荐方法文档 |
说明隐式反馈和限制 |
5. 输出文件
| 文件 |
位置 |
是否必须 |
| 推荐脚本 |
代码/推荐/ |
推荐 |
| 推荐结果表 |
其他/ |
必须 |
| 推荐方法说明 |
文档/过程记录/ 或 文档/报告草稿/ |
必须 |
6. 验收标准
pv/fav/cart/buy 都视为正向隐式反馈。- 能说明如何构建用户-商品交互集合。
- 能说明如何统计商品共现。
- 能说明如何控制计算量。
- 有推荐结果样例和解释。
7. 给 AI 的执行提示词
请为淘宝用户行为数据设计关联商品推荐方案。
字段包括 user_id、item_id、category_id、behavior_type。
要求将 pv、fav、cart、buy 都视为正向隐式反馈；构建用户-商品交互集合；统计用户交互商品的两两共现；为每个商品输出 Top-5 关联商品；说明如何限制高活跃用户导致的组合爆炸；输出推荐结果表字段和方法说明。