求剧情
推荐系统实践 · 第三十节

《推荐系统实践》第三十节

提高推荐结果多样性有两种方法:一是按物品的内容属性分类,在每类中各选排名靠前的物品组成列表,缺点是分类属性的选择影响大,且物品归属类别由编辑判定,用户未必认同……

提高推荐结果多样性有两种方法:一是按物品的内容属性分类,在每类中各选排名靠前的物品组成列表,缺点是分类属性的选择影响大,且物品归属类别由编辑判定,用户未必认同;二是控制推荐理由出现的次数,通过降权重排让结果尽量来自不同特征。时间多样性要求用户有新行为时实时更新推荐,无新行为时则记录用户已看过的推荐结果,登录时对这些结果降权,保证每天结果有变化。

用户反馈模块通过分析交互日志预测用户兴趣,若目标是提高点击率,可用点击模型预测,特征包括用户属性、物品属性、列表位置、是否点过相同推荐理由或推荐引擎的结果等,模型离线计算、在线加载,一般用线性模型。

扩展阅读介绍了Hulu架构博客、开源框架MyMedia及社会化推荐架构资料。第8章转入评分预测问题:利用已知评分预测未知评分,以RMSE衡量精度,数据集可随机划分或按时间划分(如Netflix取每人最后10%作测试集)。算法从简单到复杂,最基础的是各类平均值:全局平均、用户平均、物品平均,以及用户分类对物品分类的类类平均(前三种是其特例),分类可依据评分平均分、活跃度与流行度等,实验表明按评分投票分类的类类平均RMSE最小。

‹ 上一章目录下一章 ›

全部 32 章