怎么给推荐结果增加多样性和随机性?

  统计/机器学习 推荐系统    浏览次数:797        分享
0

推荐系统推荐的结果肯定都是最相关的,但是有时候推荐的又非常类似

怎么对推荐算法进行优化,增加推荐结果的多样性和随机性呢?

 

Ricox   2022-05-16 19:58



   1个回答 
0

推荐一般是分成召回和排序(粗排、精排)两个步骤。

在召回过程里可以考虑增加召回的覆盖面,增加一些不同的类别被召回的可能性。

在排序的过程里,可以去重(减少重复推荐)、控制类别密集度(防止所有推荐都是来自一个类别的)、控制连续频次(防止连续N个推荐都是一个类别的推荐)、分桶策略(每个类别选择TopN,这样能增加分散性)。

SofaSofa数据科学社区DS面试题库 DS面经

kym1990   2022-06-10 16:36



  相关讨论

推荐系统中常用的表示相似或者距离的方法有哪些?

推荐系统算法里的cold start是什么意思?

推荐系统里的ALS是什么意思?

余弦相似和内积的意义?

pointwise和pairwise推荐排序算法的区别是什么?

两个向量的余弦距离大于1?

Jaccard相似或者Jaccard距离是怎么计算的?

协同过滤的数据预处理问题

为什么wide&deep模型用ftrl和adagrad两种优化方法

推荐系统有哪些常用的评价标准

  随便看看

numpy array里怎么用fillna填充nan的值?

xgboost的gblinear是什么意思?

'numpy.ndarray' object has no attribute 'head'

matplotlib画图怎么确保横坐标和纵坐标的单位长度一致?

推荐系统中的召回(recall)是什么意思?