文章/答案/技术大牛

发布

社区首页 >问答首页 >推荐系统-将交易计数转换为星级评级

问推荐系统-将交易计数转换为星级评级
EN

Stack Overflow用户

提问于 2014-03-07 05:59:01

回答 2查看 1.2K关注 0票数 0

我正在做一些关于推荐系统的探索性工作，并且一直在阅读关于协作过滤技术的文章，这些技术涉及基于用户的、基于项目的和SVD算法。我也在尝试R的推荐实验室包。

文献中的一个明显的假设是，用户数据已经基于评级尺度对项目进行了标记，例如在1星和5星之间。我正在研究的问题是，用户数据没有评级，而只是交易。例如，如果我想向用户推荐餐厅，我拥有的唯一数据是他访问其他餐厅的频率。

如何将这些“交易”计数转换为可供期望固定评级的推荐算法使用的评级？我想到的一种方法是简单的装箱：

0 stars = 0-1 visits
1 star  = 2-3 visits
...
5 stars = 10+ visits

然而，这似乎并不能很好地发挥作用。例如，如果一个人只去过一家餐厅一次，他可能仍然真的很喜欢它。

任何帮助都将不胜感激。

machine-learning

data-mining

recommendation-engine

collaborative-filtering

回答 2

Stack Overflow用户

发布于 2014-03-07 06:36:57

我会尝试不同的方法。正如你所说，只访问过一次可能表明用户仍然喜欢这家餐厅，但你不确定。您的目标不是针对单个用户进行优化，而是针对所有用户进行优化。因此，您可以将数据拆分为训练数据和测试数据。对不同尺度的训练数据进行训练，并对测试数据进行测试。

不同的尺度可能是

a binary scale (0:从未访问过，1:访问过)。这主要是在网上商店中使用的(无论是否购买)。将支持您的一次访问的消费。
您目前的规模或其他范围的5星。你也可以使用5颗以上的星。我可能不会对0-1的访问进行分组。

应该选择精度最高的方法。

票数 1

Stack Overflow用户

发布于 2014-03-07 17:52:35

这里有一个想法:用户访问过0次或1次的餐厅不会告诉你他们喜欢什么。他们去过很多次的餐馆会告诉你很多东西。为什么不找一些与顾客经常光顾的餐厅相似的餐厅呢？通过这种方式，你使用了积极的信息(他们喜欢的)，但没有负面的信息，因为你无论如何都无法访问它。

如果你一定要推断一些连续的衡量标准，我认为只有在考虑到过去的行为后，才会明智地看看再次访问的倾向。这将从选择该餐厅的先验概率(背景频率，或仅是餐厅上的一致性)开始，其中的似然项与该餐厅的光顾次数相关。这样，用户访问一家餐厅的次数越多，他们再次访问的可能性就越大。

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/22236947

复制

相似问题

问推荐系统-将交易计数转换为星级评级
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问推荐系统-将交易计数转换为星级评级EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问推荐系统-将交易计数转换为星级评级
EN