- 构建企业级推荐系统:算法、工程实现与案例分析
- 刘强
- 236字
- 2021-08-06 15:00:00
6.4.4 整合用户对评分的置信度
一般来说,用户对不同标的物的评分不是完全可信的,可能会受到外界其他因素的影响,比如某个视频播出后,主播发生了热点事件,肯定会影响用户对该视频的评价,节假日、特殊事件也会影响用户的评价。对于隐式反馈,一般我们用0和1来表示用户是否喜欢该标的物,多少有点绝对,更好的方式是引入一个喜欢的概率/置信度,用户对该标的物操作次数越多、时间越长、付出越大,相应的置信度也越大。因此,我们可以在用户对标的物的评分中增加一个置信度的因子cuv,那么最终的优化公式就变为
