推荐系统实践 · 第二十四节
《推荐系统实践》第二十四节
针对每个中间节点(如全国、全省)分别用其上的用户数据训练推荐模型,生成多个推荐列表,再按权重线性相加得到最终结果,此即金字塔模型(LARS-U),其深度是关键指标。
针对每个中间节点(如全国、全省)分别用其上的用户数据训练推荐模型,生成多个推荐列表,再按权重线性相加得到最终结果,此即金字塔模型(LARS-U),其深度是关键指标。对于含物品位置的数据,LARS在ItemCF基础上引入TravelPenalty(旅行代价)计算物品与用户历史行为地点的平均距离来调整权重,并通过阈值缩小候选集;对于含用户当前位置的数据,则需保证推荐物品离用户近。实验表明,考虑位置代价的LARS-T和合适深度的LARS-U在FourSquare和MovieLens数据集上均优于普通ItemCF。
(注:因原文包含第6章等非本节内容,以上仅为第24节正文梗概,篇幅依原文该节字数。)