R实验室如何重新计算ratingMatrix中每个项目的评级？

Question

最近，我开始在我的学习中使用R的推荐实验室包。

这是recommenderlab文档：

http://cran.r-project.org/web/packages/recommenderlab/vignettes/recommenderlab.pdf

本文件中有一些例子，但我有一个很大的问题。

• 首先，加载重定向实验室包和Jester5k数据集。 库(“重命名实验室”)数据(Jester5k)
• 使用Jester5k的最前端1000条记录(用户)来学习。推荐算法比较流行。 R <-推荐(Jester5k1:1000，method=“热门”)
• 然后预测第1001用户的推荐列表。列出前5项。 recom <-预测(r，Jester5k1001，n=5) as(recom，“矩阵”)

产出：

[1] "j89" "j72" "j47" "j93" "j76"<br/>

• 然后，我检查上述5项的评级。 评级<-预测(r，Jester5k1001，type=“评级”)为(评级，“矩阵”)，c("j89"，"j72"，"j47"，"j93"，"j76")

产出：

j89       j72       j47       j93       j76<br/>
2.6476613 2.1273894 0.5867006 1.2997065 1.2956333<br/>

为什么排名前五的是"j89“、"j72”、"j47“、"j93”、"j76"，而J47的评级只有0.5867006。

我什么都不了解。

recommenderlab如何计算ratingMatrix中每一项的评分

它是如何生成TopN列表的？

Answer 1

为了更清楚地了解你的问题，我建议你读一读："推荐实验室:一个开发和测试推荐算法的框架“

为什么前五名是"j89“、"j72”、"j47“、"j93”、"j76“

您正在使用流行的方法，这意味着您选择的前5名名单的基础上是最受评价的项目(包括储蓄的数量)，而不是最高的预测评级。

推荐实验室如何计算ratingMatrix中每一项的评分？它是如何生成TopN列表的？

预测的评级，recommanderlab使用通常的距离方法计算它们(还不清楚是pearson还是余弦，我没有机会检查)，然后它确定了评级，正如Breeseet al所建议的。(1998)，平均评分加上在邻域上计算的加权因子，你可以将整个训练集看作任何用户的邻域，这就是为什么对同一项目上的任何用户的预测评分都具有相同的值。

我最好的。我