我熟悉文章＆＃34;隐式反馈数据集的协同过滤＆＃34; http://yifanhu.net/PUB/cf.pdf。 我使用spark ml ALS隐式向用户推荐项目，参数Alpha = 30，Rank = 10，RegParam = 0.1。在我的数据集中，只有用户使用多个项目（根据此处给出的建议） How to improve my recommendation result? I am using spark ALS implicit）
我使用.recommendForAllUsers并获得偏好p_ui。然后我只过滤＆＃34; new＆＃34;建议（组合不在输入数据集中的用户项）。我也过滤首选项＆gt; 0.01以获得最优选的项目。
问题是：如何对首选项进行后期处理，使其更类似于＆＃34;概率＆＃34;？ （这是我的程序要求输出某种＆＃34;概率＆＃34;）的要求。
将偏好扩展到[0.5, 1.0]是否是一个好主意？ （使用公式：
scaled_preference = ($"preference"*0.5 + max_preference*0.5 -
min_preference)/(max_preference - min_preference) ) ?