- 推荐系统：定义为评估用户对新物品的反馈
- 三种反馈：
- 分级反馈
- 二元反馈
- 一元反馈
问题定义
- 用户：
u ；物品集合：T ；系统评分集合：R ；可选分数集合：S - 用户
u 对于物品i 的评分：rui - 已经对物品
i 评分的u 的集合：ui - 用户
u 所评价的物品集合:Tu - 同时被用户
u 和v 评价过的集合 :Tuv - 对物品
i 和j 都评分的用户集合：uij
最优项（评分问题）
- 用户
u 最感兴趣的物品i 的分数 - 评分值存在，则转换为一个回归或者是分类问题(多分类)；目标是学习
函数f：u∗T−>S 来预测用户u 对i 的评分f(u,i) 然后选择
i∗=argmaxf(ua,j) ； u对那个物品的评分最高平均绝对误差(MAE)
MAE(f)=1|Rtest|∑|f(u,i)−rui| - 均方根误差
RMSE(f)=1|Rtest|∑(f(u,i)−rui)2−−−−−−−−−−−−−−−−−−√
Top-N
- 没有评分信息，则转换为推荐Top-N列表
@@@item-based_collaborative_filtering_recommendation_algorithms
@@@Item-based_top-n_recommendation_algorithms 评价方法：
L(u) 包含用户ua 最感兴趣的N 个物品
T(u) 是用户u对物品i 的二级正反馈
准确率：
Precision(L)=1|U|∑|L(u)⋂T(u)|/|L(u)|
Recall(L)=1|U|∑|L(u)⋂T(u)|/|T(u)| 缺点：
L(u) 中所有物品对于用户u的兴趣程度被认为是相同的