江苏龙网

  1. 首页 > 生活 > >

svd++怎样用于评分值只有0和1的推荐场景中

谢邀。
个人觉得任务不同的话就得改写损失函数来满足特定的问题，对于二分类问题，可将平方损失改为交叉熵损失。

■网友
改损失函数就行，广义线性模型里面各种损失函数，总有一款适合你！损失函数拿过来用就行，线性假设就不要硬搬过来了！评分预测不过是假设为高斯分布，极大似然估计就是最小化均方误差。你这个改为01分布的极大似然估计的损失函数，就是逻辑回归的损失函数！
■网友
我比较好奇的点是，你的目标是什么？是用svd++解决二分类么？如果是的话就比较费解了。本身svd++是推荐领域的产物，做二分类有很多优秀的分类算法可以采用，为什么要用svd++呢？此外，从你的问题里，我认为还是对svd++有些理解不清晰的地方。svd++是svd么？svd++和协同过滤是什么关系？我们是因为要解决协同的问题而引入了矩阵分解的方法，进而联想到了可以用svd++这种方法去解决问题。至于你说的评分矩阵是0和1的问题。其实电影评分也是一个N，0评分。如果是推荐场景下，我们完全可以引入隐反馈数据来模拟实际的评分场景，达到N，0的效果。我觉得比较重要的点是你要先review下自己的方案，看下算法场景再决定算法的选取。不要想当然的就决定要用某一个算法。
■网友
个人觉得 0/1 分类也可以用svd++直接做回归阿，就当评分只有0分和1分，应该也能收敛吧..
不过分类问题的label也不一定要就是0/1，可以是个归一化以后的概率值，如果有概率值，用svd++或者NMF听起来就没0/1那么别扭。
一个可能比较好的做法是按照WMF的思想，label值还是0/1不变，而是给label一个confidence，然后去修改loss function. （ http://yifanhu.net/PUB/cf.pdf ）

■网友
刚好接触过相关的东西，给个sample code。
TagineerDai/Bayesian-Personalized-Ranking
上面的链接是用BPR(Bayesian Personalized Ranking)进行电影评分值5分类的。其本质是在单个用户 svd++怎样用于评分值只有0和1的推荐场景中
的评分数据中，把对电影 【svd++怎样用于评分值只有0和1的推荐场景中】 svd++怎样用于评分值只有0和1的推荐场景中
绝对的1-5的评分值 svd++怎样用于评分值只有0和1的推荐场景中
，和 svd++怎样用于评分值只有0和1的推荐场景中
对另一个随机取的电影 svd++怎样用于评分值只有0和1的推荐场景中
的评分 svd++怎样用于评分值只有0和1的推荐场景中
的差值表示如下：
svd++怎样用于评分值只有0和1的推荐场景中

则我们会为每一个用户保存一张拓扑图，即对loss进行了一些改动，手动消除了不同用户打分时存在的ranking的偏差，只保留了相对的拓扑关系。当然，5分类可建模的拓扑关系已经有一些了，不清楚二分类是否适合这么做，跑完欢迎交流结果。


    推荐阅读


    上一篇：怎样评价魅族前高管马麟出任乐视移动副总裁一事

    下一篇：网站的身份证实名认证系统怎样实现