推薦系統(tǒng)最基礎(chǔ)的簡(jiǎn)介-資料下載頁(yè)
2025-05-12 11:30本頁(yè)面
【正文】 ? 其中 N為訓(xùn)練集中用戶(hù)為選擇的產(chǎn)品個(gè)數(shù)， Li預(yù)測(cè)集中待預(yù)測(cè)產(chǎn)品 i在推薦列表中的位置 NLr ii ?預(yù)測(cè)打分關(guān)聯(lián) ? 預(yù)測(cè)打分關(guān)聯(lián)不考慮預(yù)測(cè)打分與用戶(hù)打分各單項(xiàng)的偏差，而是考慮兩者之間整體的相關(guān)程度，推薦系統(tǒng)中， 3個(gè)常用的相關(guān)性描述有 Pearson關(guān)聯(lián)， Speaman關(guān)聯(lián)和 Kendall’s Tau 。 ? Tau越大表示系統(tǒng)預(yù)測(cè)結(jié)果越好 C為系統(tǒng)預(yù)測(cè)正確的喜好偏序數(shù)， D為預(yù)測(cè)錯(cuò)誤的喜好偏序數(shù)， TR為用戶(hù)打分相同的產(chǎn)品數(shù)， TP為具有相同預(yù)測(cè)值的產(chǎn)品數(shù) ))(( TPDCTRDCDCTau??????距離標(biāo)準(zhǔn)化指標(biāo) ? 距離標(biāo)準(zhǔn)化指標(biāo)，簡(jiǎn)稱(chēng)為 NDPM，在推薦系統(tǒng)中，NDPM的核心思想為：對(duì)比系統(tǒng)預(yù)測(cè)打分排名與用戶(hù)實(shí)際排名的偏好關(guān)系，對(duì)基于偏好關(guān)系的度量進(jìn)行標(biāo)準(zhǔn)化，具體定義如下： ? 其中 為系統(tǒng)排序與用戶(hù)排序相沖突的個(gè)數(shù) iucccNDPM22 ??c半衰期效用指標(biāo) ? 在網(wǎng)絡(luò)中用戶(hù)愿意瀏覽推薦列表的函數(shù)呈指數(shù)衰減。用戶(hù) i的期望用 定義如下： ? 其中 為用戶(hù) i對(duì)推薦列表中排名第 j的產(chǎn)品打分， d為默認(rèn)打分， h為半衰期 iR? ?? ??jhjjiidrR)1)(1(,2)0,max(jir ,準(zhǔn)確度之外的評(píng)價(jià)指標(biāo) ? 一個(gè)產(chǎn)品的流行性可以用它的平均度來(lái)度量，產(chǎn)品度越大，說(shuō)明越流行。 ? 推薦列表的多樣性可以用平均海明距離來(lái)度量，用戶(hù) i和 j推薦列表的海明距離被定義如下： ? 其中 L為推薦列表的長(zhǎng)度， 為系統(tǒng)推薦給用戶(hù) i和 j的兩個(gè)推薦列表中相同產(chǎn)品的個(gè)數(shù) LQH ijij /1 ??ijQ 覆蓋率定義為可以預(yù)測(cè)打分的產(chǎn)品占所有產(chǎn)品的比例。 在這里新鮮性和意外性具有本質(zhì)的不同。例如 ,考慮一個(gè)電影推薦系統(tǒng) ,這個(gè)系統(tǒng)只考慮用戶(hù)喜歡的導(dǎo)演信息。如果系統(tǒng)給用戶(hù)推薦了他喜歡的導(dǎo)演執(zhí)導(dǎo)的一個(gè)自己并不熟悉的電影 ,這個(gè)電影就是新鮮的 ,但是并不是意外的。如果系統(tǒng)推薦了一個(gè)新導(dǎo)演的電影 ,那么系統(tǒng)提供了一個(gè)意外的推薦。 用戶(hù)對(duì)推薦系統(tǒng)的滿(mǎn)意度不僅僅取決于系統(tǒng)的準(zhǔn)確度 ,而是更多地取決于系統(tǒng)在多大程度上可以幫助用戶(hù)完成任務(wù)。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1