代码之家  ›  专栏  ›  技术社区  ›  Ananth Duari

为推荐引擎建立隐式和显式行为数据模型

  •  4
  • Ananth Duari  · 技术社区  · 12 年前

    我跟踪了用户行为数据, 1.喜欢 2.不喜欢 3.评级 4.查看的产品 5.购买的产品

    火花MLlib支持自信分数为0或1的内隐行为数据,参考( http://spark.apache.org/docs/latest/mllib-collaborative-filtering.html ).

    例如,用户1查看了产品A,则模型如下

    1,A,1(userId,productId,二进制置信分数)

    但从行为的本质来看,喜欢产品的人比看产品的人更有信心。购买的产品比观看的产品更有信心。

    如何根据行为类型对数据进行建模?

    1 回复  |  直到 10 年前
        1
  •  6
  •   Sean Owen    12 年前

    实际上,隐式数据不必为0或1。这意味着,这些价值观被视为一种信心或联系的力量,而不是一种评级。您可以简单地将显示用户和项目之间较高关联的动作建模为具有较高可信度。喜欢比看法更强烈,购买比喜欢更强烈。

    事实上,负面信心可以适合这个框架(我知道MLlib实现了这一点)。不喜欢可能意味着负面得分。

    这些值是什么取决于你调整,真的。如果你没有更好的想法,我认为选择与相对频率相对应的值是合理的。例如,如果页面视图通常比点赞多50倍,则点赞的值可能是页面视图的50倍。