アイテムの推奨を開始するためにユーザーから必要な評価の最小数を見つけるインテリジェントな方法はありますか (正確に)。
たとえば、私があなたに何かを勧め始める前に、「x」項目を評価してください。データセットに基づいてその「x」をどのように見つけますか?
2 に答える
1
一般的な考え方は、それぞれが少なくとも中程度の数 M の評価を持つ N ユーザーからのすべてのデータを保持することです。次に、各ユーザーから 1 つの評価を追加し、それぞれについて推奨事項を作成します。推奨事項の品質を評価します。手で行うか、平均精度/ nDCG / AUCなどのメトリックを評価できます。
次に、各ユーザーから別の評価を追加して繰り返します。時間の経過とともに品質が向上していることがわかりますが、評価ごとに低下しています。次に、トレードオフを選択するだけです。次の評価を待つことが、予想される品質の向上に見合う価値があると判断するのはいつですか?
正解は一つではありません。しかし、あなたのユースケースとアルゴリズムが、答えが約 4 を超えるようなものであったとしたら、私は驚かれることでしょう。
于 2013-01-25T06:06:17.773 に答える
1
「十分な」レコメンデーション パフォーマンスを得るために、ユーザー プロファイルに実際にいくつのアイテムを含める必要があるかを理解する作業が行われました。一般に 10 が適切な数であることがわかっています。
http://wanlab.poly.edu/recsys12/recsys/p27.pdf
このペーパーをチェックアウトして、特定の質問に答えることができますが、大まかなレベルです。映画風のレコメンデーションを推奨するのは、ユーザー プロファイル内の 8 ～ 20 個 (10 個が推奨) のアイテムです。彼らは、典型的なオフライン (シミュレーション) とオンライン (ユーザーベース) の調査を実施して、その数を決定しました。
于 2013-01-26T15:44:47.870 に答える