recommendation-engine

用途：构建个性化内容与商品推荐系统，覆盖协同过滤、矩阵分解和混合方法。

主要能力：

• 协同过滤：基于用户-物品交互计算用户/物品相似度并推荐。
• 矩阵分解：用 TruncatedSVD 等分解用户-物品矩阵，预测评分。
• 混合推荐：按权重组合协同过滤与基于内容的分数。
• 评估：Precision@K、Recall@K、NDCG、覆盖率及 A/B 测试转化率。
• 冷启动：新用户用热门项、引导偏好、人口统计；新物品用内容引导、主动学习；探索策略含 ε-greedy、Thompson 采样。

使用方式（资料给出的五步）：

1. 用 scipy.sparse.csr_matrix 构建用户-物品交互矩阵。
2. 选择并训练模型，例如 ItemBasedCollaborativeFilter(similarity_metric='cosine', k_neighbors=20) 后 fit。
3. 调用 recommend(user_id=42, n=10) 生成推荐。
4. 用 precision_at_k、recall_at_k 在测试集评估。
5. 用 PopularityRecommender 等处理冷启动。

限制与注意：资料列出了流行度偏差、数据稀疏、冷启动无回退、未过滤已交互项、忽略隐式反馈置信度、仅用准确率评估排序、过滤气泡等问题，并给出相应解决思路；未提供安装命令、依赖版本或平台信息。