Руководство по метрикам рекомендательных систем

Мастер-класс Основы анализа рекомендательных систем

Оценка работы рекомендательной системы в автономном режиме может быть сложной

Фото Дариуса Котои на Unsplash

Подумайте о главной странице YouTube, на которой отображаются видео, которые вам могут понравиться, или Amazon, который предлагает вам покупать больше продуктов, которые они продают. Это примеры рекомендательных систем, которые пытаются показать вещи, с которыми вы, скорее всего, захотите взаимодействовать.

Допустим, вы построили собственную рекомендательную систему с использованием выбранного вами метода. Вопрос в том, как вы ее оцениваете в автономном режиме, прежде чем помещать ее в производство и давать рекомендации на веб-сайте?

В этой статье вы узнаете об этом подробно! Кроме того, я расскажу вам, почему стоит быть осторожными с этими метриками.

Для более подробного вступления, пожалуйста, обратитесь к моей другой статье, в которой я также показываю, как построить рекомендательную систему с нуля, используя TensorFlow.

Введение в рекомендательные системы на основе вложений

Изучите, как построить простую рекомендательную систему на основе матричного разложения с использованием TensorFlow

towardsdatascience.com

Оценка работы рекомендательной системы в автономном режиме

Давайте найдем определение для рекомендательной системы, которое охватывает большинство систем, которые вы можете создать или найти.

Для нас рекомендательная система – это алгоритм, который принимает в качестве входных данных хотя бы одного пользователя и выводит упорядоченный список элементов, которые рекомендуются этому пользователю.

Изображение автора.

Зачем хотя бы один пользователь? Могут быть и другие входы, такие как время года, которые могут помочь модели не рекомендовать шоколадных Санту в летнее время.

В качестве примера, рекомендатель F, который мы создали для фруктов, может делать такие предложения: F(Алиса) = [яблоко, апельсин, вишня].

Примечание: Пользователем может быть что-то другое, даже другая статья. Это может быть связано, если вы хотите создать рекомендательную систему для альтернативных вариантов, когда некоторая статья в вашем магазине отсутствует. Таким образом, ваш рекомендатель принимает статью в качестве ввода…