我即将开始为视频编写推荐系统，主要是基于协同过滤，因为视频元数据非常稀疏，还有一些基于内容的过滤。但是，我不确定如何处理培训数据。培训数据在推荐系统中是否具有重要意义，特别是在协作方法中？如果是这样，我该如何生成那种数据，或者我应该寻找什么类型的数据？
答案 0 :(得分：0)
任何ML算法都需要数据。例如，采用Matrix Factorization方法。
它接收（不完整）费率矩阵：行表示用户，列表示项目，单元格包含特定用户评定特定项目的费率。然后通过对此矩阵进行分解，您可以获得每个用户和每个项目的潜在向量表示，从而允许您预测未来的费率。显然，具有最高费率的看不见的项目对用户来说最有趣，根据模型。
基本上，矩阵分解学会预测已知用户和项目的新费率。