- 推荐系统:定义为评估用户对新物品的反馈
- 三种反馈:
- 分级反馈
- 二元反馈
- 一元反馈
问题定义
- 用户:
u
;物品集合:
T ;系统评分集合: R ;可选分数集合:S - 用户
u
对于物品
i 的评分: rui - 已经对物品
i
评分的
u 的集合: ui - 用户
u
所评价的物品集合:
Tu - 同时被用户
u
和
v 评价过的集合 : Tuv - 对物品
i
和
j 都评分的用户集合: uij
最优项(评分问题)
- 用户
u
最感兴趣的物品
i 的分数 - 评分值存在,则转换为一个回归或者是分类问题(多分类);目标是学习
函数 f:u∗T−>S 来预测用户 u 对i 的评分 f(u,i) 然后选择 i∗=argmaxf(ua,j) ; u对那个物品的评分最高
平均绝对误差(MAE)
MAE(f)=1|Rtest|∑|f(u,i)−rui|- 均方根误差
RMSE(f)=1|Rtest|∑(f(u,i)−rui)2−−−−−−−−−−−−−−−−−−√
Top-N
- 没有评分信息,则转换为推荐Top-N列表
@@@item-based_collaborative_filtering_recommendation_algorithms
@@@Item-based_top-n_recommendation_algorithms 评价方法:
L(u) 包含用户 ua 最感兴趣的 N 个物品
T(u) 是用户u对物品 i 的二级正反馈
准确率:
Precision(L)=1|U|∑|L(u)⋂T(u)|/|L(u)|
Recall(L)=1|U|∑|L(u)⋂T(u)|/|T(u)|缺点:
L(u) 中所有物品对于用户u的兴趣程度被认为是相同的