找到推荐系统所需的最低评分数量？

Question

是否有智能的方式来找出用户需要的最低评分数量，以便开始推荐物品（准确地说）。

在我开始向您推荐任何东西之前，请说出比率“x”项。你如何找出基于数据集的“x”？

Answer 1

一般的想法是支持来自N个用户的所有数据，每个用户至少有一些中等数量M的评级。然后为每个用户添加1个评分，并为每个用户提供建议。评估建议的质量;您可以手动完成，或者评估一些指标，如平均精确度/ nDCG/AUC。

然后为每个用户添加一个评级并重复。你会发现随着时间的推移，质量在不断提高，但每个评分都会有所降低。然后你选择你的权衡 - 你什么时候判断等待另一个评级是否值得预期的质量提高？

没有一个正确的答案。但是，如果您的使用案例和算法的答案超过大约4，我会感到惊讶。

Answer 2

已经做了很多工作来理解在用户配置文件中实际应该包含多少项目以获得“满意”的建议性能。它已经发现，一般10是一个不错的数字

http://wanlab.poly.edu/recsys12/recsys/p27.pdf

您可以检查出纸回答你有什么具体的问题，但在较高的水平。它在用户个人资料中是8-20（优先选择10个）项目，以推荐电影推荐。他们执行典型的离线（模拟）和在线（基于用户）的研究来确定该数字。