Recommender System ——charu C. Aggarwal学习笔记【2】

2.Neighborhood-Based Collaborative Filtering

2.2 评分矩阵的一些特性

评分的类型， （1）连续型评分，例如Jester的评分从-10到10。（2）离散型评分，最为常见，1-5分等。（3）序列评分，例如，“Strongly Disagree”, “Disagree”, “Neutral”, “Agree”，从某种意义上说和（2）是差不多的。（4）二元评分，like or dislike。（5）一元评分，与（4）的区别在于，它只表达like 或者dislike中的一种，例如只表达like的系统，只记录like的user-item为1， 其余皆无信息。

item的评分频数服从长尾分布，在一般推荐系统中，若不考虑此因素，往往会推荐比较流行的商品（评分次数多）。

2.3 Predicting Ratings with Neighborhood-Based Methods

2.3.1 User-Based Neighborhood Models

首先是相似度的度量，I（u）为用户u评分的item的集合，用户u评分的均值为

pearson相似度的计算公式为

计算用户均值的时候，是用户所有评分的均值，而在计算pearson的时候，计算范围是限在两个用户共同的评分上的。若两用户无共同评分，则pearson为0.

接下来，开始预测评分，首先定义mean-centered 评分，即减掉均值的评分，

则预测评分公式为

这里说明一下，为什么要去均值，因为每个用户都有自己评分的一个level，减掉均值能够减少这个因素的影响，提高预测准确率，当然如果排序的话，影响不大。

这种类型的的推荐系统一般流程就是先定义相似性度量，再确定预测评分公式。

下面在这两方面，讨论一些变种。

（1）相似度度量上，用余弦计算，有两种

因为pearson有考虑到user评分的level，所以往往在预测方面更偏向于用pearson。

还有一个问题就是，用户两两之间共同评分的数量不一样，这就造成严重的biase， 一般来说，共同评分的数量越多，相似度度量是越可靠的，因此提出，DiscountedSim，即

其中\beta是一个阈值。

（2）在预测评分上，主要的变种有Z-score，即标准化。

首先定义标准方差

再定义Z-score

而后，预测评分公式为

另外在计算用户的k个近邻的时候，会包括一些与用户关系不大，或者负相关的用户，但是这些用户对于预测评分并没有贡献，所以，往往要剔除掉这些用户，再进行评分的预测，提高准确率。

最后一点，还要考虑长尾分布的影响，削弱流行商品的影响程度，定义m_j表示item j的评分次数，m表示用户总数。则权重表示为

相似度的计算则变为

2.3.2 Item-Based Neighborhood Models

仍然从两个步骤来讨论，相似性的度量以及预测评分公式。

在item-based上，一般采用adjustedCosine计算相似度，即

符号定义与前面一致，这里需要注意的是，去均值化的时候，减去的仍然是user上的均值，并不是item上的均值。如果采用pearson计算的话，则采用的是item上的均值，一般adjustedCosine能够取得比较好的效果。

差别参看http://www.zhihu.com/question/21824291。

评分预测公式为

这里不用去中心化，因为是用的同一用户的评分，属于该用户同一level上。

因为user-based和item-based极为相似，因此在user-based中讨论过的改进，都可以用在item-based上，这里不再展开讨论。

2.3.3 Efficient Implementation and computational complexity

时间复杂度的讨论，略过，有兴趣可参看原文

2.3.4 Comparing User-Based and Item-Based Methods

1.item-based方法，能够提供更多的关联性，其主要根据用户之前消费过的item进行相似度分析。而user-based则能够带来更多的差异性，即在推荐列表中的物品的差异性会更大，而差异性是推荐系统的一个重要指标。

2. item-based方法有比较强的解释性，而user-based方法的解释性较差。

3. item-based方法更加稳定，一方面，user数一般比item数大很多，两个用户之间共同评分的item比较少，但是两个物品的共同评分的用户比较多；另一方面，新用户的加入很频繁，这样user-based方法的计算会增加，而item-based的计算量不会增加太多，并且新item的加入不是很频繁。

2.3.5 Strengths and Weaknesses of Neighborhood-Based Methods

优点：容易实现，可解释性强。缺点：计算时间和空间需求大。

2.3.6 A Unified View of User-Based and Item-Based Methods

关于user-based和item-based方法的结合，可以参考如下两篇论文。

1. Unifying User-based and Item-based CollaborativeFiltering Approaches by Similarity Fusion

2. Unifying Nearest Neighbors Collaborative Filtering

2.4 后续更新