2019-10-21
提出问题
探究 SRui 论文中的相似与非相似用户,相似项目与非相似项目,这 4 个关键内容是如何求出的。
解决问题
用户之间的相似度
用户之间的相似度是使用皮尔逊相关系数(PCC)来求得,具体定义如下:
其中 用户
对一组物品的评分,
代表用户
的平均评分。从这个定义中,用户相似度
的值范围为 [ -1 - 1] 。如果这个值越大,则表示用户
与 用户
相似。我们使用
来将用户的 PCC 的相似性范困限制到 [0:1]。
项目之间的相似度
项目之间的相似度的计算方法如下,也是皮尔逊相关系数(PCC):
其中 表示对项目
评分的一组用户,
代表项目
的平均分。
之后需要解决的问题
- 再看看损失函数是如何设计的
- 可以先看一些基础的
- 参考论文:
- 深度学习方面:DMF , NeuCF
- 矩阵分解方面:funkSVD,biassSVD
- 再看看准度是如何计算的,以及所代表的的意义
- MSE
- RMSE
- NDCG
- P@K
- AUC
- 继续阅读各类论文,做好归纳总结
- 具体论文的方向如下
- 主流推荐算法
- 社会化推荐
- 深度学习推荐算法
网友评论