在推荐系统中使用trainImplicit

Question

假设我有一个用户购买产品的数据库(没有评级或类似的东西)，我想向他们推荐其他产品。我使用的是ATL.trainImplicit，其中的培训数据具有以下格式：

[Rating(user=2, product=23053, rating=1.0),
Rating(user=2, product=2078, rating=1.0),
Rating(user=3, product=23, rating=1.0)]

因此，培训数据集中的所有评分都是1。

预测评级给出最小值-0.6和最大评级1.85是正常的吗？我希望在0到1之间。

Answer 1

是的，这是正常的。ALS的隐式版本本质上试图重构二进制偏好矩阵P (而不是显式评分矩阵R)。在这种情况下，“评级”被视为置信度--更高的评级意味着更高的信心，即二元偏好p(ij)应该被重构为1而不是0。

然而，ALS本质上解决了一个加权最小二乘回归问题，以找到重构矩阵P的用户矩阵和项目因子矩阵。因此，预测值不能保证在0, 1范围内。将预测解释为“不透明”值就足够了，因为更高的值等于用户购买该产品的可能性更大。这足以根据预测的分数对推荐的产品进行分类。

(注意项目-项目或用户-用户的相似性通常使用因子向量之间的余弦相似性计算，因此这些分数将在- 1，1。这种计算不是直接在火花，但可以自己完成)。