如何让推荐列表不要千篇一律？——重排算法MMR

MMR原理

$Q$ : 用户;
$D$ : 推荐结果集合;
$S$ : $R$中已被选中集合; KaTeX parse error: Undefined control sequence: \S at position 2: R\̲S̲: 中未被选中集合;
$\lambda$: 权重系数，调节推荐结果相关性与多样性

该如何理解这个公式？简单说，从未选中的集合中选择一个物品，计算它和用户的相似性，以及它和已选物品的相似性。我们希望该物品和用户尽可能相似，和已选物品尽可能不相似，这样展示的物品有比较好的多样性

代码

def MMR(itemScoreDict, similarityMatrix, lambdaConstant=0.5, topN=20):
    s, r = [], list(itemScoreDict.keys())
    while len(r) > 0:
        score = 0
        selectOne = None
        for i in r:
            firstPart = itemScoreDict[i]
            secondPart = 0
            for j in s:
                sim2 = similarityMatrix[i][j]
                if sim2 > second_part:
                    secondPart = sim2
            equationScore = lambdaConstant * (firstPart - (1 - lambdaConstant) * secondPart)
            if equationScore > score:
                score = equationScore
                selectOne = i
        if selectOne == None:
            selectOne = i
        r.remove(selectOne)
        s.append(selectOne)
    return (s, s[:topN])[topN > len(s)]