如何处理推荐系统的新数据？

Question

这是一个理论问题。我们假设我已经实现了两种类型的协同过滤：基于用户的CF和基于项目的CF（以Slope One的形式）。

我有一个很好的数据集供这些算法运行。但后来我想做两件事：

1. 我想为数据集添加新评级。
2. 我想修改现有的评分。

我的算法应如何处理这些变化（不做大量不必要的工作）？任何人都可以帮我吗？

Answer 1

对于这两种情况，策略非常相似：

基于用户的CF：

• 更新受影响用户的所有相似之处（即相似度矩阵中的一行和一列）
• 如果您的邻居是预先计算的，请计算受影响用户的邻居（对于完整更新，您可能需要重新计算所有邻居，但我会坚持使用近似解决方案）

坡一：

• 更新频率（仅在'add'情况下）和受影响项目的差异矩阵条目（同样，一行和一列）

备注：如果您的“相似性”不对称，则需要更新一行和一列。如果它是对称的，则自动更新一行会导致更新相应的列。 对于Slope-One，矩阵是对称的（频率）和偏斜对称的（差异），因此如果你处理，你还需要更新一行或一列，并免费获得另一行（如果你的矩阵存储像这样工作）。

如果您想看一个如何实现这一点的示例，请查看MyMediaLite（免责声明：我是主要作者）：https://github.com/zenogantner/MyMediaLite/blob/master/src/MyMediaLite/RatingPrediction/ItemKNN.cs 有趣的代码在RetrainItem（）方法中，它是从AddRatings（）和UpdateRatings（）调用的。

Answer 2

一般情况称为在线算法。

不是重新训练整个预测器，而是可以使用新数据“在线”（同时保持可用）进行更新。

如果你谷歌搜索“在线斜率预测器”，你应该能够从文献中找到一些相关的方法。