基于项目的协作过滤器的最小数据量

Question

我正在使用基于项目的协作过滤器为餐馆创建推荐的推荐引擎。每家餐馆的评论评分从1到5。
每个推荐算法都会遇到数据稀疏问题，所以我一直在寻找解决方案来计算正确的相关性。

我在餐厅之间使用调整后的余弦相似度。

当您想计算餐厅之间的相似度时，您需要评价这两家餐厅的用户。但是，对两家餐厅进行评分以获得正确关联的用户的最小数量是多少？

从测试中，我发现有一组用户对两家餐厅进行评分会导致不良的相似性（很明显）。通常它是-1或1.所以我将它增加到了两个同时拥有餐厅的用户，这给了我更好的相似之处。我发现很难确定这种相似性是否足够好。有没有一种方法可以检验这种相似性的准确性，还是有关于最小值如何的准则？

Answer 1

简短的答案是参数扫描：尝试“评价两家餐厅的最低用户数”的几个值并测量结果。随着更多的用户，你会更好地了解项目（餐馆）之间的相似性。但是你的相似性信息会更加稀疏。也就是说，你会专注于更受欢迎的物品，并且不太可能推荐长尾物品。这意味着你总是会有一个权衡，你应该衡量一切，让你做出权衡。例如，测量预测准确度（例如RMSE）以及可能推荐的项目数量。

如果您的物品空间变得太稀疏，您可能需要找到其他方式来完成超出用户评分的物品项目相似度。例如，您可以使用基于内容的过滤方法来包含有关每家餐厅美食的信息，然后创建一个中间步骤来了解每位用户的美食偏好。即使您没有项目相似性分数，这也可以让您做出建议。