Recommandation（mahout）中的Preference值有什么用

Question

我正在嘗試使用mahout進行一些出色的事件建議。

為了練習，我嘗試了以下示例-

https://github.com/RevBooyah/Static-mahout-recommender-tutorial/blob/master/ItemRecommend.java

我有些疑問，數據模型UserId，ItemId和Preference中使用了以下3種內容-

但是，當我運行帶有或不帶有首選項的代碼時，結果是相同的，所以我的疑問是，首選項的用途是什么？ 如果這里沒用，那么如何將其用於更好的Recommandation？

我試圖找到它，但一無所獲。

誰能幫幫我嗎 ？

Answer 1

您是否在使用對數似然比的Tanimoto相似性？ 該示例代碼使用Tanimoto，因此應根據偏好強度顯示不同的推薦強度。 這將嘗試執行諸如預測用戶的收視率之類的操作。 它不會影響所有權重，因此要進行測試，您可能需要隨機分配權重並與樣本數據進行比較。 但這並不足以困擾IMO。

這是一種古老的方法，可以追溯到Netflix和其他人認為他們想猜測您的項目評分時。 Netflix和大多數其他公司已放棄了這一點，因為正確排名確實非常重要，這樣用戶才能以最佳順序獲得正確的記錄。

使用對數似然相似度度量時，排名總是更好的-對所有我見過的數據和我多次測量的質量差異進行測量。 LLR忽略了偏好強度，並基於概率方法來計算推薦，以嘗試預測用戶最可能喜歡的內容。

Ted Dunning 在這里描述了LLR