假设您构建了一个推荐引擎，可以推荐您观看直播电视节目。对于常规节目，您可以使用协同过滤等做得很好。但可以说它类似于 1969 年的登月。这显然是一个重要事件，您希望您的推荐引擎来处理这种情况。但是你也不能依赖过去的行为，因为一旦节目结束，该推荐的价值就会下降到零。
在推荐空间中有哪些有效的方法来处理这个问题？
问问题
121 次
2 回答
1
CF 中的问题通常是相反的：非常新的项目，没有点击/评分，但不能被 CF 算法推荐，因此很难在用户面前展示。一件古老的、著名的物品应该很容易被推荐。
还有另一个相反的问题：一些推荐系统算法倾向于偏爱每个人都知道的著名项目，而不是长尾、鲜为人知的项目，这些项目实际上在某种意义上可能是更好的推荐。
听起来你有一个概念，这个项目在某种意义上是特别好的。这是您可以通过将估计的评级值粗略地提高一定数量来包含的附带信息。我认为有效的方法就是这样。
于 2010-11-15T08:30:08.300 回答
0
你可以有一个由两部分组成的推荐引擎：
- 你亲手挑选的东西
- 算法选择的东西
并将它们放在一起。
于 2011-03-14T04:59:57.047 回答