在我的场景中构建基于显式反馈协同过滤的rec系统有意义吗？

Question

我对隐式反馈和显式反馈中哪一个适合我的场景感到困惑。我倾向于为我的公司(电子商务)做一个实用的记录系统，它有1400万客户和1000万种产品。但明确的评级数据仅涵盖220万客户和150万种产品。在过去的1年里，有1070万客户购买了370万件产品。那么，让我困惑的是，构建基于显式反馈的rec系统是有意义的吗？

Answer 1

答案既是肯定的，也是否定的，这取决于！大多数情况下，这取决于你的推荐系统的目标是什么，以及你将如何向客户提供推荐。在任何一种情况下，您都需要解决冷启动问题，因此您提供的数字对您的决策没有太大影响。

显式反馈

• 的可用数据将始终较少
• 数据通常更有用，因为它是一个更清晰的信号
• 使向客户显示预测变得容易(想想Netflix中的明星)

隐式反馈

• 将始终有更多数据可用，但几乎不会为每个客户和产品提供数据
• 数据可能更嘈杂，但不一定不太有用
• 仍然可以提供出色的建议，但更难解释为什么要向客户提出建议。但这通常不是必需的。

真正的答案

仔细研究你的问题，围绕什么是好的构建一个假设。定义一种衡量好的方法(谷歌“评估推荐系统”的想法)，并实现这种评估。开始实验吧！尝试这两种方法，感受一下什么是有效的，什么是无效的。最重要的是，试着找出为什么某些东西有效或无效。在一两周内，你应该开始对公司客户感兴趣的东西有一个很好的感觉，你会得到更多的想法。也许，你会想要同时使用隐式和显式，并以某种方式将它们结合起来(Google“混合推荐系统”)。