推薦系統 - 使用不同的指標

Question

我期待實施基於物品的新聞推薦系統。我想通過幾種方式來跟蹤用戶對新聞項目的興趣;它們包括：評分（1-5），最愛，點擊率和花費在新聞項目上的時間。

我的問題：在推薦系統中使用這些不同指標有哪些好方法？也許以某種方式合併和規範化它們？

Answer 1

研究領域的推薦系統通常以1 - 5的比例工作。從用戶那裏獲得這樣一個明確的信號是相當不錯的。然而，我想現實是，你的系統的大多數用戶永遠不會給出評分，在這種情況下，你沒有任何工作。

所以我會跟蹤頁面訪問量也嘗試並納入一些明確的反饋機制（1-5，大拇指向上或向下等）

你的算法將不得不考慮到這一點。

Answer 2

對於推薦系統，有兩個問題：

1. 如何量化基礎上的數字，你收集

2. 如何用量化的利益的數據，建議在某個項目的用戶的興趣新項目給用戶

我想你對第一個問題更感興趣。

要解決第一個問題，您需要線性組合或一些其他奇特功能來組合所有數字。所有系統真的沒有一個通用功能。它很大程度上取決於用戶和物品的類型。如果你想要一個高質量的推薦系統，你需要有一些數據來做機器學習來訓練你的功能。

對於第二個問題，它在某種程度上是相同的事情，再加上你需要分析所有的項目以抽象出彼此之間的關係。你可以谷歌「Netflix獎」一些有趣的信息。