如何解决如何评估基于内容的推荐系统
| 我正在构建一个基于内容的电影推荐系统。很简单,只要让用户输入电影标题,系统就会查找具有最相似功能的电影。 在计算相似度并按降序对分数进行排序后,我找到了相似度最高的5个对应电影,并返回给用户。 到目前为止,当我要评估系统的准确性时,一切工作都很好。我在Google上发现的一些公式只是根据评分值(比较预测评分和实际评分(如RMSE))来评估准确性。我没有将相似度分数更改为等级(从1到5),所以我无法应用任何公式。 您能否建议将相似度得分转换为预测评分的任何方法,以便我可以应用RMSE?还是有解决此问题的想法?解决方法
你有地面真理吗?例如,您是否掌握有关用户过去喜欢/看过/买过的电影的信息?它不一定是一个等级,但是为了评估推荐,您需要了解一些有关用户偏好的信息。
如果这样做,除了RMSE以外,还有其他方法可以测量精度。当我们预测收视率时(如您所说的是真实收视率与预测之间的误差),将使用RMSE,但在您的情况下,您将生成前N个建议。在这种情况下,您可以使用精确度和召回率来评估您的建议。它们在信息检索应用程序中非常常用(请参阅Wikipedia),在推荐系统中也很常见。您还可以计算F1指标,它是精度和查全率的谐波平均值。您会看到它们是非常简单的公式,并且很容易实现。
Guy Shani撰写的“评估推荐系统”是一篇很好的论文,介绍了如何评估推荐系统,并将为您提供所有这些方面的深刻见解。您可以在这里找到论文。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。