有没有一种智能的方法来找出你需要从用户那里获得的最低评分,以便开始(准确地)推荐项目。
就像,说..。在我开始向你推荐任何东西之前,请给"x“个项目打分。如何根据数据集找到"x“?
发布于 2013-01-25 14:06:18
一般的想法是保持来自N个用户的所有数据,每个用户至少有一些中等数量的评分M。然后从每个用户添加1个评分,并为每个用户提供推荐。评估推荐的质量;您可以手动完成,也可以评估一些指标,如平均平均精度/ nDCG / AUC。
然后添加每个用户的另一个评分并重复。你应该会发现,随着时间的推移,质量在不断提高,但随着评级的提高,质量会有所下降。然后,您只需选择您的权衡--您何时判断等待另一个评级值得预期的质量提高?
没有一个正确的答案。但是,如果您的用例和算法的答案超过4个,我会感到惊讶。
发布于 2013-01-26 23:44:48
在理解用户配置文件中实际应该有多少项才能获得“令人满意的”推荐性能方面,已经做了一些工作。人们发现,通常10是一个好数字。
http://wanlab.poly.edu/recsys12/recsys/p27.pdf
你可以查看论文来回答你将会有的任何具体问题,但是是在较高的层次上。在用户配置文件中有8- 20个(10个是首选)项目来推荐电影风格的推荐。他们进行了典型的离线(模拟)和在线(基于用户)研究,以确定该数字。
https://stackoverflow.com/questions/14513288
复制相似问题