如何使用矩阵分解生成推荐

Question

我已经读过一些关于推荐系统中的矩阵分解(潜在因子模型)的论文，我可以实现该算法，我可以得到与论文在MovieLens数据集上所说的类似的均方根结果。

然而，我发现，如果我尝试通过对预测评分进行排名来为每个用户生成top-K(例如K=10)推荐电影列表，似乎所有用户认为评分最高的电影是相同的。

这就是它的工作原理，还是我弄错了？

Answer 1

这是推荐中的一个已知问题。

它有时被称为“哈利波特”效应--(几乎)每个人都喜欢哈利波特。因此，大多数自动化程序会找出哪些项目通常是受欢迎的，并向用户推荐这些项目。

您可以筛选出非常受欢迎的项目，或者将预测评分乘以某个系数，该系数越低，该项目在全球范围内越受欢迎。