← 返回刚才阅读的位置

知识卡片

操作参考卡 · 9904.a · 生成模型:Hunyuan

协同过滤的共现矩阵流程

理解等级:初级

协同过滤把用户、物品、评价构成的有向图压成一个共现矩阵:行是用户、列是物品,点赞记1、踩记-1、无数据记0,若有具体评分则直接填入分值或均值。推荐问题随之变成预测矩阵中某个空格的值:先找出与目标用户最相似的Top n个用户,再用这些相似用户对目标物品的评价做加权平均,得到预测分并排序输出。整套流程不需要预先标注物品内容,纯粹依赖群体交互数据,这正是它易落地的原因,也决定了它对无交互的新用户、新物品无能为力。操作上要注意Top n是超参数,相似度权重与评分的乘积求和是预测的核心。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《深度学习推荐系统》第2章 前深度学习时代——推荐系统的进化之路(源文件:extracted/深度学习推荐系统/_epub-src/text/part0006_split_002.html) - 结论依据:原文用六步电商示例说明有向图如何转为共现矩阵,并明确推荐问题被转化为预测矩阵中问号元素的值,第一步即找Top n相似用户。 - 原始内容:为便于计算,将有向图转换成矩阵的形式(被称为“共现矩阵”),用户作为矩阵行坐标,商品作为列坐标,将“点赞”和“踩”的用户行为数据转换为矩阵中相应的元素值。这里将“点赞”的值设为1,将“踩”的值设为-1,“没有数据”置为0