推荐系统常见问题（二）：可以使用评分预测方法去做TopN推荐吗？

最新推荐文章于 2023-10-15 17:51:47 发布
原创 最新推荐文章于 2023-10-15 17:51:47 发布 · 2.1k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#推荐系统 #TopN #评分预测

本文探讨了评分预测方法在TopN推荐系统中的应用。分析了两种推荐方式的区别，指出虽然评分预测方法可以用于TopN推荐，但其效果可能不如直接排序方法。深入讨论了基于评分预测的推荐与基于TopN的推荐在训练目标上的不同。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题：可以使用评分预测方法去做TopN推荐吗？

专业回答：是可以的，但是效果可能没有直接使用排序方法进行推荐的好，并且有官方文档的说法是“Ranking recommended rating procedures using the rating method, you may get results, but it is not correct. ”

一家之言：这个问题我以前也疑惑过，我当时认为排序算法最后算出的结果是某个用户对某个物品预测打分是多少，按照分数高低进行排序之后选择TopN个物品进行推荐，那这不就是评分预测方法之后加了一个排序，最后选择TopN个进行推荐吗？所以认为这样的操作应该是可行的。（后话：当然是可行的，但是推荐结果不一定好）

实际上基于评分预测的推荐方法和基于TopN的推荐方法训练目标不一样的，既然训练目标不一样，那得出的‘预测打分’的意义能一样吗？前者的预测打分只要和用户实际打分接近了，就是好算法，而后者预测打分的目的是为了排序！只要能把用户有过行为的物品排在TopN列表里，那代表这是好算法，如果排的位置很靠前，那代表这是更好的算法。（我知道这个有点难理解，太绕了，但大概意思是这个）

这是原问题地址

95、多标准推荐系统：预测与推荐中的多标准评分应用
q3r4s5t的博客
07-19 8
本文探讨了多标准评分在推荐系统中的应用，包括预测阶段的基于启发式和基于模型的方法，以及推荐阶段的总顺序设计和帕累托最优解寻找策略。通过对比不同方法的优劣和适用场景，为实际应用提供了指导，并结合案例说明多标准评分如何提升推荐的准确性和个性化程度。
【一切皆是映射】AI 大模型 LLM + 推荐系统 RS：个性化的艺术——基于LLM的推荐系统用户行为预测
最新发布
AI天才研究院
07-15 1700
在当今数字化时代，推荐系统已成为互联网服务的核心组成部分，广泛应用于电子商务、社交媒体、新闻资讯等领域。传统的推荐系统主要依赖于协同过滤、内容过滤等技术，虽然取得了一定的成效，但在处理复杂、动态的用户行为和多样化的内容时仍面临诸多挑战。随着人工智能技术的快速发展，特别是大语言模型（Large Language Models，LLMs）的出现，为推荐系统的革新带来了新的机遇。大语言模型凭借其强大的自然语言理解和生成能力，为用户行为预测提供了全新的视角和方法。
基于项目评分预测的协同过滤推荐算法
10-10
基于项目评分预测的协同过滤推荐算法,推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对用户评分数据极端稀疏情况下传统相似性度量方法的不足,提出了一种基于项目评分预测的协同过滤推荐算法,根据项目之间的相似性初步预测用户对未评分项目的评分,在此基础上,采用一种新颖的相似性度量方法计算目标用户的最近邻居.
关于评分预测和TopN推荐的理解
jq117的博客
06-28 5184
初始推荐系统的小白一枚，在看推荐系统遇上深度学习系列文章时，(一)–FM模型理论和实践：https://github.com/dox1994/recommend_system/blob/master/FM/fm.ipynb， 发现作者使用RMSE作为损失函数，一开始不太理解，查阅资料后，发现这个例子属于典型的评分预测问题。 推荐系统的目标 通过用户的历史行为来建模用户的偏好，进而选出用户最喜爱的...
关于推荐系统中评分预测和TOP-N推荐问题的理解
qq_31239371的博客
10-12 4531
最近在写毕业论文时，发现自己对推荐系统中的评分预测和TOP-N推荐问题理解的不够深入，遂查阅资料，在此记录下自己对这一问题的一点理解。 首先说结论，评分预测和TOP-N推荐是推荐系统应用的两大场景，二者之间没有必然的联系。下面分别对二者进行介绍。 评分预测：主要用于一些有评价的网站，如电影打分网站。一般对于评分预测我们采用point-wise的方式进行用户偏好建模，即考虑单个用户对单个...
Top-N推荐
smallTutou的博客
04-08 376
import pandas as pd from pandas import DataFrame # from sklearn.metrics import jaccard_similarity_score from sklearn.metrics.pairwise import pairwise_distances import numpy as np users = ["User1","User2","User3","User4","User5"] items = ["Item1","Item2","
【CIKM2020】如何更为合适地评测推荐算法？ Top-N物品推荐算法评测设置回顾
zenRRan的博客
10-16 897
论文标题：Revisiting Alternative Experimental Settings for Evaluating Top-N Item Recommendation Al...
推荐系统动态特性研究：评分预测与Top-N推荐的用户兴趣建模
1. **评分预测问题**：这是一个推荐系统中常见的任务，目标是根据用户对物品的历史评分预测未来评分。文章提出将时间信息纳入模型，通过矩阵分解技术处理四种不同时间效应，并利用级联模型处理季节性变化。实验结果...
推荐系统常见问题（三）：TopN 推荐是对训练集中的用户进行推荐，还是对测试集中的用户进行推荐？
欢迎来到小丁的技术空间
03-17 4434
从我学习推荐系统以来，一直有个疑问深深的困扰着我，那就是到底是对训练集中的用户进行推荐，还是对测试集中的用户进行推荐呢？之所以一直苦思冥想是因为我认为这关系着我做的实验的的评估效果怎么样，比如 Precision 和 Recall。 目录一、误区产生的原因 ？二、我现在终于释怀了 ！三、为什么我不对评分预测任务感到迷糊 ？四、我选择 TopN 推荐！ 一、误区产生的原因 ？ 以下是我自己的苦思...
python推荐系统合集含10套源码（探探项目、自动车牌推荐系统、网易云音乐推荐系统、电影、知识图谱的推荐系统、新闻推荐系统）
04-18
5. **商品Top50推荐系统** (Python商品top50推荐系统Item-Recommend-System-master)：电商领域的推荐系统，常见的是基于用户行为数据和商品属性进行Top-N推荐，旨在提高转化率和用户购买满意度。 6. **基于知识图谱...
最大堆的TopN排序
06-27
可以用于对任意数据类型进行topN排序，同时保持数据原来的序号或位置，在信息检索上非常使用，代码简单高效，使用简单。
SLIM: Sparse Linear Methods (TopN推荐)
永远飞翔的鸟
07-28 474
SLIM: Sparse Linear Methods (TopN推荐)
推荐系统入门（Top-N recommendation）
热门推荐
一个小彩笔
04-21 1万+
推荐系统入门本文从Improving Top-N Recommendation with Heterogeneous Loss 这篇论文的角度讲解如何入门推荐系统。适合推荐系统初学者入门。这篇文章提出了一种 通过多个损失函数 结合来提升topN推荐的效率 的方法。发表在16年的IJCAI上，是来自天普大学的研究成果。目录我先介绍一下topN背景，再介绍一下与本文相关工作，最后推导出本文提出的创新方法
基于邻域的top-N推荐
m0_61417342的博客
10-15 253
1、基于用户的协同过滤算法（user-based CF）一个用户喜欢和他具有相似喜好的用户喜欢的项目， 两个用户喜欢的项目交集越大， 这两个用户越相似。两个用户兴趣相似度的计算可以有多种方法，使用Pearson相关相似性和余弦相似度计算。2、基于项目的协同过滤基于项目的协同过滤推荐（item-based CF）基于这样的假设[8]： 一个用户会喜欢与他之前喜欢的项目相似的项目。因此， 基于项目的协同过滤推荐关键在于计算物品之间的相似度。
推荐系统评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)
u013488563的专栏
07-18 1818
下面简单列举几种常用的推荐系统评测指标：1、准确率与召回率（Precision & Recall）准确率和召回率是广泛用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。其中精度是检索出相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率；召回率是指检索出的相关文档数和文档库中所有的相关文档数的比率，衡量的是检索系统的查全率。一般来说，Precision就是检索出来的条目（比如：文
top n推荐的数据集划分和评价指标
cobracanary的博客
09-02 933
最近在做top n推荐，但是无论怎么做都达不到其它论文里那么高的hit radio，于是我仔细地看了这篇论文—《Neural Collaborative Filtering》，发现其在实验部分有许多trick，使得实验数据看起来非常漂亮。 数据集划分–留一法 我们要想评价数据集训练效果，就要让整个数据集划分为训练集和测试集，对于推荐系统而言，训练集越多，语义月丰富，推荐效果趋向于越好。举个极端的例子，如果训练集很小，那么就会遇到冷启动的问题，因此，这篇论文当中对于每一个用户，只选取最近的item交互记录作
2021-09-13Top-N 推荐系统，通常指的是个性化推荐系统，有别于热门推荐。
强化学习曾小健
09-13 1784
2.1 Top-N 推荐系统 Top-N 推荐系统，通常指的是个性化推荐系统，有别于热门推荐。个性化推荐的 研究于 20 世纪 90 年代作为独立的概念提出[27]，旨在根据用户的属性信息和历史行为 等构建用户画像，然后从推荐对象（商品、服务等，抽象为物品）集合中为用户提供 一个个性化的推荐列表，以满足不同用户的多元化信息需求。 2.1.1 推荐系统的形式化描述 推荐系统的基本任务是联系用户和物品，并依据特定规则选择与用户最相关的 N 个物品进行推荐。设ࣝ表示所有用户的集合，࣭表示所有可能推.
推荐系统简介三：推荐系统评测
weixin_43597208的博客
05-05 672
用户调查需要有一些真实用户，让他们在需要测试的推荐系统上完成一些任务，我们需要记录他们的行为，并让他们回答一些问题，最后进行分析；很多网站都有让用户给物品打分的功能，如果知道用户对物品的历史评分，就可以从中学习一个兴趣模型，从而预测用户对新物品的评分。精确率（preciSion）：所有被检索的item中，"应该被检索到"的item占的比例。在评测一个推荐系统时，需要考虑上述三方的利益，一个好的推荐系统是能够令三方共赢的系统。网站提供推荐服务时，一般是给用户一个个性化的推荐列表，这种推荐叫做TOP-N推荐。
推荐算法：推荐系统的评估
LandscapeMi
07-25 1万+
用户调查 在线评估：A/B test 离线评估 1.在线评估 将真实线上用户分组，对不同的组采用不同的方案同时运行，两个或者两个以上的方案 两个方案，只有一个变量不同 有明确的评价指标 试验中用户，从始而终，只接触一个方案 ABtest最常用的场景是 网页优化，测评指标：单击率，转化率等； Myspace：ABtest，使用指标单击率 YouTube：ABtest；指标：单击率，长单击率，会话时间，
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值