在基于内容的推荐系统中，如何判断每个用户而不是每个评级？

Question

我正在研究Coursera上Andrew Ng课程的推荐系统，这个问题突然出现在我脑海中。

在课程中，安德鲁为电影提供了建议，比如Netflix。 我们有各种电影评级的输出矩阵Y，其中每个单元格Y(i,j)是用户j给予电影i的评分。如果用户未对其进行评分，请Y(i,j)=?

假设我们正在进行线性回归，我们有以下最小化目标：

我的问题是，这不是按每个评级计算的吗？如同，所有评级都是平等的。因此，如果有人评价100部电影，他对算法的影响要大于只评价10部电影的人。

我想知道是否可以基于每个用户判断，即所有用户是否相等。

Answer 1

绝对可以使用weight = 1/ratings_for_user[u]或weight = 1/sqrt(ratings_for_user[u])对损失函数应用权重。其中ratings_per_user[u]是在您的特定样本中给出评级的用户的评分数。这是否是一个好主意是另一个问题。

要回答这个问题，我首先会问一个问题：这对你真正试图解决的问题更有意义吗？如果是，那么第二个问题：你建造的模型是否运作良好？它是否具有良好的交叉验证分数？