Rating prediction and Ranking prediction

在推荐系统中，主要有两种效果的评价方式，一种是Rating prediction，另外一种是Ranking prediction，以下就是两者之间的一些差别:

1. Rating Prediction:所用的评价指标主要是MSE(Mean Square Error), RMSE(Root Mean Square Error);
2. Ranking Prediction:常用的指标主要是Precision@k, NDCG@k, F1@k, Recall@k
3. Rating Prediction更加关注的是observed rating,因此经常用于CF中
4. Ranking Prediction更加关注的用户是否rated过某一个item(whether the user has rated those items or not), 因此经常用于OCCF(One Class Collaborative Filtering)中。

但是，在Ranking Prediction问题中，我们往往需要先对于候选集物品进行rating prediction，然后根据rating对于候选集物品进行排序，因此Ranking Prediction中往往会有Rating Prediction的存在。

补充：

如果是借助rating={1,2,3,4,5}的数据来直接进行Ranking Prediction的情况属于：Collborative Ranking(协同排序)问题，如果在进行效果提升比较的时候，所用的Baseline 方法与上述Rating/Ranking Prediction的Baseline不同

 

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

+++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++

 

具体细见论文，或者Google"Rating prediction, ranking prediction".

 

 

 

转载于:https://www.cnblogs.com/liuji/p/8259976.html