collaborative-filtering - 在我的场景中构建基于显式反馈协同过滤的rec系统有意义吗？

Question

我对哪一种隐式和显式反馈适合我的场景感到困惑。我倾向于为拥有 1400 万客户和 1000 万种产品的公司（电子商务）制作实用的娱乐系统。但显式评分数据仅涵盖 220 万客户和 150 万产品。过去 1 年有 1070 万客户购买了 370 万件产品。那么让我困惑的是构建基于显式反馈的rec系统是否有意义？

Answer 1

答案是肯定的和否定的，好吧，这取决于！大多数情况下，这取决于您的推荐系统的目标是什么，以及您将如何向客户提供推荐。无论哪种情况，您都需要解决冷启动问题，因此您提供的数字对您的决定没有太大影响。

明确的反馈

• 总是有更少的可用数据
• 数据通常更有用，因为它是更清晰的信号
• 使向客户显示预测变得容易（想想 Netflix 中的明星）

隐式反馈

• 将始终有更多可用数据，但几乎永远不会为每个客户和产品提供数据
• 数据可能比较嘈杂，但不一定没那么有用
• 仍然可以提供出色的建议，但很难解释为什么向客户提出建议。不过，这通常不是必需的。

真正的答案

详细查看您的问题，并围绕什么是好的构建一个假设。定义衡量好的方法（谷歌“评估推荐系统”的想法），并实施这种评估。开始实验！尝试这两种方法，了解什么有效，什么无效。最重要的是，试着弄清楚为什么某事有效或无效。在一两周内，您应该开始对对您的公司客户重要的事情有一个很好的感觉，并且您会得到更多的想法。可能，您会想要同时使用隐式和显式，并以某种方式将它们组合起来（谷歌“混合推荐系统”）。