80、优化用户分类与单调分类的距离度量学习

优化用户分类与单调分类的距离度量学习

1. 用户分类相关研究

在推荐系统（RS）中，用户聚类是一个重要问题。为了解决这个问题，研究人员选择了层次聚类（AHC），因为它不需要预先指定聚类的数量。为了从层次聚类树中提取最优聚类，研究人员考虑了聚类的形成顺序，并基于此提出了两种聚类质量度量方法。

1.1 聚类质量度量方法

• 稳定生命周期度量（LftOrd） ：该方法考虑了聚类与其父聚类之间的顺序差异，是一种基于稳定生命周期的度量方法。
• 基于方差的度量（VarOrd） ：该方法基于聚类内所有评分的方差。

1.2 实验结果

研究人员在三个公开可用的数据集（MovieLens 100K、FilmTrust 和 Last.FM）上进行了广泛的实验，使用了三种推荐方法（BPR - MF、User - KNN 等），并比较了三种度量方法（LftMCS、LftOrd 和 VarOrd）的性能。以下是部分实验结果：

数据集	度量方法	P@10	MAP@10	NDCG@10
MovieLens 100K	LftMCS	0.2541	0.4566