Question

最近，我开始在我的研究中使用R的推荐器包这是recommenderlab文件：

http://cran.r-project.org/web/packages/recommenderlab/vignettes/recommenderlab.pdf

本文档中有一些例子，但我有一个很大的问题。

首先，加载recommenderlab包和Jester5k数据集。
```
library("recommenderlab")
data(Jester5k)
```
使用Jester5k的frontest 1000条记录（用户）进行学习。推荐算法是热门的。
```
r <- Recommender(Jester5k[1:1000], method="POPULAR")
```

然后预测第1001个用户的推荐列表。列出前5项。

recom <- predict(r, Jester5k[1001], n=5)<br/>
as(recom, "matrix")

输出：

[1] "j89" "j72" "j47" "j93" "j76"<br/>

然后我检查上面5项的评级。

rating <- predict(r, Jester5k[1001], type="ratings")<br/>
as(rating, "matrix")[,c("j89", "j72", "j47", "j93", "j76")]

输出：

j89       j72       j47       j93       j76<br/>
2.6476613 2.1273894 0.5867006 1.2997065 1.2956333<br/>

为什么排名前5位的是“j89”“j72”“j47”“j93”“j76”，但j47的评分仅为0.5867006。

我不明白。

recommenderlab如何计算ratingMatrix中每个项目的评分？

它如何产生TopN列表？

Answer 1

为了更准确地了解您的问题，我建议您阅读以下内容： “recommenderlab: A Framework for Developing and Testing Recommendation Algorithms”

为什么前5名列表“j89”“j72”“j47”“j93”“j76”

您正在使用流行度方法，这意味着您根据评分最高的项目（计算保存数量）选择前5个列表，而不是最高预测评级。

推荐器如何计算每个项目的评级 ratingMatrix？它如何产生TopN列表？

预测评级，Recommanderlab使用通常的距离方法计算它们（如果是皮尔逊或余弦，还没有清楚，我没有机会检查它）然后它确定评级，如Breeseet al所建议的。（1998），平均评级加上在邻域上计算的加权因子，您可以将整个训练集视为任何用户的邻域，这就是为什么同一项目上任何用户的预测评级将具有相同的值。

我最好的。 →

R的推荐器如何计算ratingMatrix中每个项目的评级？

1 个答案: