读书笔记《推荐系统实战》| 评分预测问题

《推荐系统实战》这本书的下载地址:《推荐系统实战》

第一章 好的推荐系统
第二章 利用用户行为数据
第三章 推荐系统冷启动问题
第四章 利用用户标签数据
第五章 利用上下文信息
第六章 利用社交网络数据
第七章 推荐系统
第八章 评分预测问题
前面介绍的推荐系统都是TOPN推荐问题,其实推荐系统在理论研究中比较重要的话题是评分预测问题。

8.1 离线实验方法

首先将给定的数据集划分为训练集和测试集,然后根据训练集建立用户兴趣模型来预测测试集中的用户评分。

对于测试集中的一对用户和物品(u,i),用户u对物品i的真实评分是rui,而推荐算法预测的评分为rui冒。一般可以用均方根误差RMSE度量预测精度。
在这里插入图片描述

8.2 评分预测算法

8.2.1 平均值

最简单的评分预测算法是利用平均值预测用户对物品的评分的。下面各节将分别介绍各种不同的平均值。
1、全局平均值
读书笔记《推荐系统实战》| 评分预测问题_第1张图片
2、用户评分平均值
在这里插入图片描述
3、物品评分平均值
读书笔记《推荐系统实战》| 评分预测问题_第2张图片
4、用户分类对物品分类的平均值
读书笔记《推荐系统实战》| 评分预测问题_第3张图片

8.2.2 基于邻域的方法

读书笔记《推荐系统实战》| 评分预测问题_第4张图片
读书笔记《推荐系统实战》| 评分预测问题_第5张图片
读书笔记《推荐系统实战》| 评分预测问题_第6张图片

8.2.3 隐语义模型与矩阵分解模型

在这里插入图片描述

8.2.4 加入时间信息

8.2.5 模型融合

你可能感兴趣的:(推荐,推荐算法与Tensorflow)