自己写的推荐模型中的简单排序总结

最近被别人问到推荐算法，他们公司想做推荐算法，然后我懂一些相关的东西，就简单写了一些东西，仅作为记录。

内容如下：

某个人喜欢看电影：【007，邦德，飓风营救，变形金刚，钢铁侠，独行月球】
使用算法计算他可能喜欢的其他电影，做推荐用

召回部分：略

召回结果：
算法一：【速度与激情，谍影重重， 蝙蝠侠，超人，夏洛特烦恼】
算法二：【蝙蝠侠，绿巨人，铁甲钢拳，谍影重重，西虹市首富】
算法三：【西虹市首富，超人，蝙蝠侠，黑寡妇，我和我的祖国，谍影重重，速度与激情，战狼】
算法四：【妈妈咪呀，绿皮书，极品飞车，绿巨人】

排序：
各算法权重相同：
蝙蝠侠 3
谍影重重 3
速度与激情 2
西红柿首富2
超人 2
绿巨人 2
夏洛特烦恼 1
黑寡妇 1
……
…

权重不相同：
算法1，权重2,
算法2，权重1，
算法3，权重0.5
算法4，0.2
蝙蝠侠 2+1+0.5
谍影重重 2+1+0.5
速度与激情 2+0.5
超人 2+0.5
夏洛特烦恼 2
西红柿首富 1+0.5
绿巨人 1+0.2
铁甲钢拳 1
黑寡妇 0.5
……

他问到我，这个权重很难去设定

我跟他说，这个权重可以训练出来：

初期权重可能是人为规定的，后期权重是靠模型训练出来的。

比如最开始，权重都是1，随着数据量的增大，将一个人的喜欢数据，分为两部分，一部分作为喜好的训练集，一部分作为推荐结果。然后通过模型的拟合，找出能拟合所有人推荐结果的最优权重解。

这个时候，一旦模型足够准确了，就可以停止计算，将这个权重定下来。那也就是这个推荐模型可以单独使用了。

就像是人脸识别模型：一旦这个识别模型很准确了，就可以把模型文件复制一份，放在手机里，打开摄像头就能识别出人脸。

有些模型可以通用，例如人脸识别模型，车辆识别模型，别人训练完，拿过来就能用。有些模型不能通用，例如电影推荐模型，你不仅需要有模型文件，你还需要有电影列表的编号或者其他信息作为补充。

权重其实说白了，就是衡量一个召回模型的准确程度的，一个召回越准确，那么权重就会逐渐变得高。

最开始的时候，我们就认为所有的召回模型，准确程度是一样的