推荐系统实践 · 第十八节
《推荐系统实践》第十八节
本节先引用调查数据说明标签系统能帮助用户发现、组织和了解电影,进而引出标签系统中的两个推荐问题:基于标签为用户推荐物品,以及为物品推荐标签。
本节先引用调查数据说明标签系统能帮助用户发现、组织和了解电影,进而引出标签系统中的两个推荐问题:基于标签为用户推荐物品,以及为物品推荐标签。为此需先弄清用户为什么打标签(Morgan Ames从社会维度和功能维度分析动机)、怎么打标签(Delicious数据集的统计显示标签流行度呈长尾分布)以及打什么标签(Scott A. Golder将标签分为表明物品是什么、种类、归属、用户观点、用户相关、用户任务等类别,Hulu则把剧集标签分为类型、时间、人物、地点、语言、奖项等)。
接着进入基于标签的推荐系统:标签是联系用户与物品的纽带,豆瓣将其融入产品线。标签行为用三元组(用户、物品、标签)表示,实验采用Delicious和CiteULike两个数据集,按用户与物品随机十折划分,用准确率、召回率、覆盖率、多样性(基于标签向量余弦相似度)和新颖度(平均热门度)评测。最后给出最简单的算法:统计用户常用标签和标签对应的热门物品,用用户打标签次数与物品被打标签次数的乘积衡量兴趣,据此生成推荐列表。