个性化推荐中的两种常用算法区别

社区里的音乐推荐算法很个性化 #生活乐趣# #日常生活趣事# #音乐欣赏的乐趣# #音乐社区#

个性化推荐可以说是许多内容运营平台都在使用的一种内容分发机制，而今天我们就一起来了解下，关于个性化推荐中常见的两种算法之间的区别。

两种模型输出值的物理意义

根据分类模型和排序模型的建模过程可知，分类模型的输出值f(x)为正负概率比值对数，对其求sigmoid函数以后就是事件发生的概率。而排序模型的分数值却不能直接和输出概率等价，只能将不同文档的分数放在一起进行比较认为用户可能更喜欢哪一个。从这个观点来看，分类模型不要求输出概率绝对正确，而只要求相对关系正确。因此分类模型要对两个样本都有准确的预估才能保持正确的偏序关系，其要求更高;而排序模型是分类模型的一个简化版本，只要求偏序关系的正确，并不要求预估值的绝对准确。一个完美的分类模型必然会是一个完美的排序模型，反之不然。在机器学习领域我们知道存在“天下没有免费的午餐”定律，在相同的数据集下，如果对模型的要求更高，那么必然要付出更多的代价。如果付出的代价一定(数据集相同，底层模型一致)，一个更简单的模型效果可能更好。

事件之间的相互独立性假设

分类模型(公式2)的总体惩罚值是各个样本惩罚值之和，样本之间的惩罚值没有显示关系;排序模型(公式3)的总体惩罚值是各个Pair之和，一个Pair内部的惩罚值之间有相互关系，要求两者对比关系显著。因此分类模型建立在每个样本相互独立的基础上，而排序模型建立在同组样本可相互对比的基础上。结合推荐系统的具体使用场景，用户其实是主动挑选了更感兴趣的内容，因此上述比较是更符合客观情况的，另外用户在选择买还是不买/看还是不看的时候不排除有“货比三家”的心智模型，对内容进行比较之后再进行消费(时间或者金钱)，考虑到这些因素，排序模型更能反映客观世界的真实情况。

节选：DataFun社区

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。

网址：个性化推荐中的两种常用算法区别 https://www.yuejiaxmz.com/news/view/564379

相关内容

MovieLens个性化电影推荐系统实战（三）：个性化电影推荐（推荐算法）
个性化推荐算法的优势和劣势
推荐系统：个性化推荐的算法与实践
深入剖析：个性化推荐算法的主流方法
算法如何实现个性化内容推荐
个性化推荐的6种方法
个性化推荐算法概述与展望
一种基于半余弦函数的个性化推荐算法.pdf
个性化算法要合规整改，“个推”政策限制下如何做好算法推荐？
Slope One个性化推荐算法

随便看看