13、推荐系统与数据可视化相关问题探讨

推荐系统与数据可视化相关问题探讨

推荐系统相关问题

1. 点击频率与相关性
   • 问题提出 ：在构建搜索引擎或推荐系统的排名时，依靠点击频率来确定条目的相关性是否有效？
   • 回答分析 ：
     • johnny000认为可以在电商产品中使用点击频率。例如，结合一年中的不同日期，能带来很好的推荐建议。以雪靴和凉鞋为例，通过历史数据可知，一月份雪靴的搜索量远高于凉鞋，所以在一月向搜索鞋子的用户推荐雪靴是合理的。此外，当人们频繁点击某个未知产品时，可能预示着新趋势的到来。
     • rolfl则指出，使用点击频率是有效的，但仅依靠点击频率可能不行。搜索相关性比单一指标要复杂得多，有很多相关的专业书籍对此进行了阐述。
2. 处理推荐中的隐式数据
   • 问题描述 ：推荐系统记录了向特定用户做出的推荐以及用户是否接受该推荐。如：
     | user_id | item_id | result |
     | ---- | ---- | ---- |
     | 1 | 4 | 1 |
     | 1 | 7 | -1 |
     | 5 | 19 | 1 |
     | 5 | 80 | 1 |
     其中1表示用户接受推荐，-1表示用户未响应推荐。若要基于此记录为大量用户进行推荐并最大化MAP@3分数，应如何处理隐