R的推荐实验室如何计算ratingMatrix中每个项目的评分？答案

【问题标题】：How recommenderlab of R culculate the ratings of each item in ratingMatrix?R的推荐实验室如何计算ratingMatrix中每个项目的评分？
【发布时间】：2013-07-12 07:52:20
【问题描述】：

最近，我开始在学习中使用 R 的推荐实验室包。
这是recommenderlab 文档：

http://cran.r-project.org/web/packages/recommenderlab/vignettes/recommenderlab.pdf

本文档中有一些示例，但我有一个大问题。

首先，加载recommenderlab包和Jester5k数据集。
```
library("recommenderlab")
data(Jester5k)
```
使用 Jester5k 的前 1000 条记录（用户）来学习。推荐算法很流行。
```
r <- Recommender(Jester5k[1:1000], method="POPULAR")
```

然后预测第 1001 个用户的推荐列表。列出前 5 项。

recom <- predict(r, Jester5k[1001], n=5)<br/>
as(recom, "matrix")

输出：

[1] "j89" "j72" "j47" "j93" "j76"<br/>

然后我检查上面5个项目的评分。

rating <- predict(r, Jester5k[1001], type="ratings")<br/>
as(rating, "matrix")[,c("j89", "j72", "j47", "j93", "j76")]

输出：

j89       j72       j47       j93       j76<br/>
2.6476613 2.1273894 0.5867006 1.2997065 1.2956333<br/>

为什么top 5榜单是“j89”“j72”“j47”“j93”“j76”，而j47的评分只有0.5867006。

我不明白。

recommenderlab如何计算ratingMatrix中每一项的评分？

它是如何产生 TopN 列表的？

【问题讨论】：

标签： r recommendation-engine

【解决方案1】：

为了更清楚地了解您的问题，我建议您阅读以下内容： "recommenderlab: A Framework for Developing and Testing Recommendation Algorithms"

为什么前5名是“j89”“j72”“j47”“j93”“j76”

您使用的是流行度方法，这意味着您根据评分最高的项目（计算保存次数）选择前 5 个列表，而不是预测的最高评分。

recommenderlab 如何计算每个项目的评分评分矩阵？以及它是如何产生 TopN 列表的？

预测评级，recommanderlab 使用通常的距离方法计算它们（尚不清楚它是 pearson 还是 cosine，我没有机会检查它）然后它确定评级，正如 Breeseet al 建议的那样。 (1998)，平均评分加上在邻域上计算的加权因子，您可以将整个训练集视为任何用户的邻域，这就是任何用户对同一项目的预测评分将具有相同值的原因。

我最好的。升

【讨论】：