协同过滤-显式评级和隐式评级

Posted 曹孟德

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了协同过滤-显式评级和隐式评级相关的知识,希望对你有一定的参考价值。

显式评级:显式评级是指用户显式的给出物品的评价结果,例如直接打分

显式评级存在的问题

    1 用户大多具有懒惰性,不愿意对物品进行评级:例如大部分人对购买的物品不愿意给出评价,这体现了一种用户懒惰行为

    2 用户可能撒谎或者只给出部分信息:如果某人克服了懒惰性,真的对物品进行评分,该用户也可能撒谎

    3 用户不会更新其评价结果:例如考虑一个大学生Mary,他喜欢评级,十年前他还是个小孩,它给她喜欢的唱片打了5星。基于最新的评价结果,它成了另一名大学生的近邻,但是如果将他小时候听的儿歌推荐给该大学生,将会感觉很奇怪。

隐式评级:对于隐式评级而言,我们不要求用户给出任何评级得分,而是观察用户的行为来获得结果。例如某用户点击了iPhone广告,或许他对该产品感兴趣,用户点击广告用的术语是点击量或者点击率。另一种隐式评级来自用户实际的购买结果。

隐式数据如下

     网页: 点击指向某网页的链接,浏览页面的时间,重复的访问,将一个网页指向其他网页,在网上观看的视频

     音乐播放器: 用户播放的歌曲,用户跳过的歌曲,某首歌曲播放的次数

 

以上是关于协同过滤-显式评级和隐式评级的主要内容,如果未能解决你的问题,请参考以下文章

推荐系统笔记:基于贝叶斯的协同过滤

推荐系统笔记:基于非负矩阵分解的协同过滤

个性化推荐中的隐语义模型

Spark ML 协同过滤隐式反馈与类计数数据

如何解决推荐系统中的冷启动问题?

Django - 过滤相关对象