协同过滤推荐算法 使用spark运行协同过滤算法，rating的值该怎样设置？

使用spark运行协同过滤算法，rating的值该怎样设置？

对于隐性反馈，用户没有明确的项目评分数据。在这种情况下，在考虑评级值时，应根据具体业务场景的相应数据进行设计。

例如：

短视频推荐

]（1）根据不同的用户行为设置评分值

对于短视频推荐，您可以根据不同的用户行为设置不同的评分值，如观看、喜欢、分享等，这样设置评分值的缺点是用户的表扬和分享行为数据非常稀疏，不能单独使用。考虑用户项目的评分值，结合观看、喜欢、分享等行为数据，需要考虑不同行为对评分值权重的影响。

（2）额定值根据同一行为的不同特征设置。

相同的行为可以考虑用户行为的不同特征值来设置项目的用户评分值，如视频的观看时间、观看完成度，如果考虑时间衰减系数，可以结合观看时间和当前时间之间的时差来设置项目的额定值。

当然，不同的推荐系统根据具体业务有不同的设置。比如，电子商务推荐可以考虑商品的价格，新闻信息推荐可以考虑篇幅，等等。以上只是参考。

协同过滤推荐算法 过滤器算法 大数据过滤算法

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。