19、推荐系统的多标准评分

推荐系统的多标准评分

1. 引言

推荐系统（RS）作为消费者决策支持工具，旨在帮助用户找到最符合其偏好和需求的项目。传统的推荐系统通常使用单维评分（如一个标量值）来表示用户对项目的评价，而多标准评分则允许用户对项目的不同方面或维度进行分别评价，从而表达更细致的意见。这种方法不仅能够更准确地反映用户的偏好，还能提升推荐系统的个性化程度和用户体验。

2. 相关工作

多项研究表明，多标准评分能够显著提高推荐的准确性。例如，Adomavicius等人提出了一种早期且全面的文章，该文章提出了对评分的情境化视角。尽管用户的评分仍然是单维度的，但加入了用户的情境参数（如年龄、性别、时间等），使得推荐更加精准。具体而言，评分被标记了情境参数，如用户的年龄、性别或工作日，如果系统更倾向于只利用那些在二十几岁时、男性用户在周一评价的评分，那么对于一个二十几岁的男性用户在周一的推荐可能更准确。

Adomavicius & Kwon提出了一种可以利用真实多标准评分的推荐方法，即用户为同一物品的不同方面提供评分值。为了确定特定用户对某一物品的总体评分，他们的算法执行了三个步骤：

1. 计算每个标准的评分值 ：类似于传统推荐系统，为每个标准计算一个评分值。
2. 估计聚合函数 ：允许从多个标准评分中计算出总体评分。
3. 计算总体评分值 ：根据估计的总体评分值对可推荐的物品进行排名。

3. 多标准评分的应用

以旅游平台TripAdvisor为例