求剧情
推荐系统实践 · 第二十节

《推荐系统实践》第二十节

GroupLens 的 Jesse Vig 研究了基于标签的推荐解释,将用户与物品的关系拆为用户对标签的兴趣和标签与物品的相关度……

GroupLens 的 Jesse Vig 研究了基于标签的推荐解释,将用户与物品的关系拆为用户对标签的兴趣和标签与物品的相关度,用同一算法推荐物品并设计四种标签展示界面(按相关度排序、按兴趣排序、只显示相关度、只显示兴趣)。问卷调查显示,用户对标签的兴趣更利于理解推荐原因,标签相关度更利于判断是否符合当前兴趣,两者在判断是否喜欢上作用相当;客观事实类标签整体优于主观感受类标签;总体满意度上只显示兴趣的界面最高。

4.4 节转向给用户推荐标签,目的是方便输入、提高标签质量。介绍了四种简单算法:推荐全站热门标签、物品热门标签、用户常用标签及两者的线性融合。实验表明物品热门标签效果最好,融合算法在特定系数下精度最高,但对新用户和冷门物品失效,可通过从物品内容抽取关键词或标签扩展来解决。此外还介绍了基于图的 PersonalRank 标签推荐方法。

‹ 上一章目录下一章 ›

全部 32 章