我跟踪了用户行为数据,如: 2.不喜欢3.评级4.查看产品5.购买的产品
支持内隐行为数据的spark,其自信评分为0或1Ref (http://spark.apache.org/docs/latest/mllib-collaborative-filtering.html)。
例如,用户1查看了产品A,然后模型将类似于
1,A,1 (userId,productId,二元自信得分)
但是通过观察行为的本质,喜欢的产品比看产品更有信心。购买的产品比看产品更有信心。
如何根据行为类型对数据进行建模?
发布于 2014-07-26 00:24:17
实际上,隐式数据不一定是0或1,这意味着这些值被视为信任或关联强度,而不是评级。您可以简单地将显示用户和项之间更高关联的操作建模为具有更高的信心。一个相似的东西比一个观点更强大,一个购买的东西比一个相似的东西更强大。
事实上,负信心可以适合这个框架(我知道MLlib实现了这一点)。厌恶可能意味着负面的分数。
这些值是由你来调整的,真的。我认为,如果你没有更好的想法,选择与相对频率相对应的值是合理的。例如,如果页面浏览量通常比“喜欢”多50倍,则可能“相似”的值是页视图的50倍。
https://stackoverflow.com/questions/24965812
复制相似问题