协同过滤-显式评级和隐式评级

显式评级：显式评级是指用户显式的给出物品的评价结果，例如直接打分

显式评级存在的问题：

    1 用户大多具有懒惰性，不愿意对物品进行评级：例如大部分人对购买的物品不愿意给出评价，这体现了一种用户懒惰行为

    2 用户可能撒谎或者只给出部分信息：如果某人克服了懒惰性，真的对物品进行评分，该用户也可能撒谎

    3 用户不会更新其评价结果：例如考虑一个大学生Mary,他喜欢评级，十年前他还是个小孩，它给她喜欢的唱片打了5星。基于最新的评价结果，它成了另一名大学生的近邻，但是如果将他小时候听的儿歌推荐给该大学生，将会感觉很奇怪。

隐式评级：对于隐式评级而言，我们不要求用户给出任何评级得分，而是观察用户的行为来获得结果。例如某用户点击了iPhone广告，或许他对该产品感兴趣，用户点击广告用的术语是点击量或者点击率。另一种隐式评级来自用户实际的购买结果。

隐式数据如下：

     网页： 点击指向某网页的链接，浏览页面的时间，重复的访问，将一个网页指向其他网页，在网上观看的视频

     音乐播放器： 用户播放的歌曲，用户跳过的歌曲，某首歌曲播放的次数

 

转载于:https://www.cnblogs.com/td15980891505/p/5990144.html