如何使用矩阵分解生成推荐

Question

我已经阅读了推荐系统中的矩阵分解（潜在因子模型）的一些论文，并且我可以实现该算法。我可以得到与 MovieLens 数据集上的论文中所说的相似的 RMSE 结果。

但是我发现，如果我尝试通过对预测评分进行排名来为每个用户生成一个 top-K（例如 K=10）推荐电影列表，似乎被认为评分最高的电影所有用户都是一样的。

这只是它的工作原理还是我有什么问题？

Answer 1

这是建议书中的已知问题。

有时被称为“哈利波特”效果 - （几乎）每个人都喜欢哈利波特。 因此，大多数自动化程序将发现哪些物品通常是流行的，并推荐给用户的项目。

您可以过滤掉非常流行的项目，或者将预测的评级乘以较低的因素较低的因素越来越多的商品。