这篇博客介绍了如何利用用户评价信息，特别是星级评价，来提取商品的质量特征。通过计算数学期望和对数期望来处理评价数据，以解决星级数量不平衡的问题。对数期望使得不同星级的权重更加均衡，有助于商品推荐系统的建立，并提到对数的基底是经验参数，需要通过实验确定。
在各种互联网平台中，或多或少都可以获得用户对商品、产品、服务等的评价信息（往往以星级或分数的形式展现）。通过这些信息，我们可以方便的提取这些商品、产品或服务的“质量”特征。
对于“质量”特征，常用的方法是求数学期望。例如，假设某一商品得到1星的次数是x1，2星的次数是x2，3星的次数为x3，4星的次数为x4，5星的次数为x5，这样，可以算出该商品的期望星数为：
E(x)=1*x1/(x1+x2+x3+x4+x5)+2*x2/(x1+x2+x3+x4+x5)+3*x3/(x1+x2+x3+x4+x5)
+4*x4/(x1+x2+x3+x4+x5)+5*x5/(x1+x2+x3+x4&
最低0.47元/天 解锁文章
扫一扫
1428
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
