評(píng)分預(yù)測(cè)問題

http://m.itdecent.cn/p/a245201d3dbe

1.平均值預(yù)測(cè):全局平均、用戶平均、物品平均、同類平均

2.領(lǐng)域評(píng)測(cè):還是通過用戶對(duì)其他物品的評(píng)分和物品間相似度 或者 用戶間相似度和其他用戶對(duì)物品的評(píng)分;這里有兩點(diǎn)可以注意,一是這里單獨(dú)拿出了用戶的均分(物品的均分),相似度乘的是評(píng)分和均分的差;二是相似度用了修正的余弦相似度(比較了余弦、皮爾遜相關(guān)和修正的余弦)

3.矩陣分解

3.1 傳統(tǒng)SVD(見上篇)

3.2 SimonFunk SVD

在物體評(píng)分預(yù)估上,也可以用矩陣分解的方法,然后用逐個(gè)元素的MSE來作為loss,并加上偏置;

當(dāng)然可以更精細(xì)化一些,比如把全局平均數(shù)、物品偏置、用戶偏置單獨(dú)拿出來,得到BiasSVD;

考慮領(lǐng)域的原文里感覺少乘了ruj,不知道是不是我理解有問題;

4. 考慮時(shí)間

對(duì)評(píng)分(均分、打分等)乘以時(shí)間衰減系數(shù)

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容