ディープラーニングの前処理データの作り方

環境：MacOS 10.12.6、Python 3.7.4、Tensorflow 1.13.2
###ECサイトでよく見かけるレコメンド機能を実装したい

ディープラーニングのRNN（LSTM含む）の学習が終わって、さ〜試してみよう、という段階まできたのですが、学習プログラムで使っていたデータはただの数字の羅列か言語モデルでした。

実際に自分でコレっというデータで学習しようにも、ディープラーニング用にどんなデータをどういう風に用意していいかわかりません。

最終的な目標はECサイトの「この商品を購入している人は（その後）こんな商品も購入しています」というレコメンド機能をお試しで作ることです。

元データはこんな感じでしょうか。
足らなければ追加します。

user_id	datetime	p_id	post_num
100321	2019-01-01 19:02:41	673482349878	110-0003
101957	2019-03-11 10:21:07	687468758448	778-0012
107277	2019-05-30 12:33:91	645058389846	106-0023
	･･･

例えば学習プログラムでは

python
1(x_train, y_train), (x_test, y_test) = mnist.load_data()
2print(x_train[:1], y_train[:1])
3
4# result
5[[ 3.6908443e+00  7.1141434e-01 -2.1140914e+00 -4.1410069e+00
6  -4.5744715e+00 -3.4319086e+00 -1.9507914e+00 -1.1070668e+00
7    ・
8    ・
9    ・
10   6.6552722e-01  1.0359968e+00  1.4922866e+00 -1.9050734e+00]] [0]

といった数字なので単純明快です。

ですが欲しい結果が商品番号だったり複数欲しいとなると、この後どうしてよいものやら、ググっても中々わかりやすいパターンが見つかりません。

何かヒントでも頂けないでしょうか？

追記

この記事がやりたい事になんとなく近い感じなのがわかりました。
KerasでLSTMを学習する手順を整理してみた

この例にある1〜14の数字をそのまま文字列にしても問題はないのでしょうか？

Q71

2019/11/24 14:22

「この商品を購入している人は（その後）こんな商品も購入しています」これを、どのデータに関連があると見積もっていますか。統計処理でできそうなので、機械学習の出番か？と疑問に思います。

退会済みユーザー

2019/11/25 02:50 編集

ご質問ありがとうございます。各会員IDが購入している商品IDの順番を考慮しつつ、商品IDでグルーピングする、というのが基本だと思います。余力があれば郵便番号（住所）も考慮に入れたいです。あくまで実験です。ディープラーニングの勉強が主な目的なので、統計処理が必要ならその後検討に入れるといった感じです。言語モデルの場合は単語の順番で学習すると思うのですが、その要領で購入した順番で次何を購入しそうなのか5つくらい商品IDを出せれば理想的です。 LSTMで応用が効きそうだと思ったのですが、違うのでしょうか？