知识卡片
显式反馈与隐式反馈
推荐系统依赖的用户偏好信息分两类。显式反馈是用户主动提供的评分、评论等,能准确反映真实喜好,但需要用户付出额外代价、数据稀疏;隐式反馈是用户使用过程中自然产生的行为,如购买、查看记录,无需额外成本但不够精确、含较多噪声。关键在于选对行为特征:例如电商场景中购买行为就是很好的隐式反馈,只要特征选择得当,隐式反馈同样能取得好效果,只是不同应用的行为特征差异很大。这一区分直接决定了协同过滤算法可用什么数据来填充用户与物品关联矩阵。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第9章 推荐系统
原书出处 · 1 处
- 第9章 推荐系统 · 查看原书依据
显式的用户反馈能准确地反映用户对物品的真实喜好,但需要用户付出额外的代价;而隐式的用户行为,通过一些分析和处理,也能反映用户的喜好,只是数据不是很精确,有些行为的分析存在较大的噪声。
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第9章 推荐系统(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter12_0002.xhtml)
- 结论依据:原文定义并对比了两类反馈的准确性与代价,且以电商购买为例说明隐式反馈的价值,支撑本卡。
- 原始内容:显式的用户反馈能准确地反映用户对物品的真实喜好,但需要用户付出额外的代价;而隐式的用户行为,通过一些分析和处理,也能反映用户的喜好,只是数据不是很精确,有些行为的分析存在较大的噪声。