我正在尝试建立一个推荐系统，但我只有关于我的用户“喜欢”的数据，即所有非缺失数据都具有相同的数值。
我是否可以在没有实际“评级”的情况下使用矩阵分解方法？（用户评分的多个数值，而不仅仅是用户“喜欢”该项目的指标。）如果是这样，怎么做？
只有“喜欢”评级的矩阵分解推荐系统
机器算法验证
推荐系统
矩阵分解
2022-03-31 11:11:20
2个回答
这个问题通常被称为隐式反馈。典型的解决方案类似于 word2vec 噪声对比估计：
- 预测喜欢，用对数损失，
- 使用您的一组实际喜欢 (p=1) 并随机生成一组潜在的非喜欢 (p=0)。
通常你想从相似的分布中生成这个不喜欢的集合，即用户和页面（或他们喜欢的任何东西）的相同分布。最简单的方法是获取两个随机条目，从一个获取用户，从另一个获取页面。
看：
请参阅Steffen Rendle 和 Christoph Freudenthaler (2014)从隐式反馈中改进项目推荐的成对学习。前者撰写了原始论文Factorization Machines (2010)，我强烈推荐阅读。
是的，这被称为“一元”数据（如果您只使用点击或展示，则通常是“隐式”数据）。最常用的矩阵分解技术可能是本文 (PDF) 中概述的交替最小二乘法：Hu、Koren 和 Volinsky。在许多常见的机器学习软件包中都有实现，例如 Mahout、Myrrix 和 GraphLab。
其它你可能感兴趣的问题