21、协同过滤与推荐系统评估

协同过滤与推荐系统评估

1. 协同过滤的调整因素

在进行协同过滤时，仅仅实现算法往往不足以得到良好的推荐结果，通常有许多因素需要调整。以下是一些可调整的方面：
- 使用的评分 ：
- 是否仅使用积极评分。
- 是否仅使用最新评分。
- 如何对评分进行归一化。
- 相似度创建 ：
- 计算两部电影的相似度时需要多少用户对它们进行评分。
- 是否仅将正相似度添加到相似度列表中。
- 邻域创建 ：
- 应使用何种方法选择邻域。
- 邻域的大小（选择阈值和/或N个相似度）。
- 评分预测 ：
- 应使用分类还是回归。
- 是否使用加权平均。
- 推荐返回 ：是返回所有推荐，还是仅返回预测良好（即预测值高于阈值）的推荐。

这些调整会影响计算过程中涉及的项目数量。例如，对用户重叠数量的要求会显著影响模型中的相似度数量。以MovieGEEKs网站为例，如果不要求最小重叠，大约有4000万相似度；若要求两个重叠，就会降至500万。

用户重叠要求	相似度数量
无最小重叠	约4000万
两个重叠