关于WD推荐

Question

老师，能不够利用特征工程构造出电影数据集Movielens的特征，然后扔到WD模型中进行训练啊？如果可以的话，思路是怎么样的呢？

Answer 1

提问者 慕娘4111782 2019-04-12 12:38:06

还有一点就行，老师你的WD模型最终的结果是看准确率，通过训练集来模拟测试集。那么我要是通过Movielens 10M数据集怎么进行电影结果的推荐呢

• David #1

  不是一个事情 ，一个是召回 一个是排序，如果你想让系统简单一点 可以直接召回之后按相关度得分排序推荐。wd就是根据user 特征 和item特征 重新预估点击率得分 按这个得分排序。

• 提问者 慕娘4111782 回复 David #2

  老师你看我这个思路行不行，利用wd模型本质的两分类问题，将预测用户对电影的评分，如果用户对电影的评分大于等于4，那么就推荐给用户这部电影。就是将您例子中的年收入是否大于50k的问题，转化成用户对电影评分是否大于等于4。来进行相应的预测推荐，特征就利用现有的特征，比如之前个性化召回课程中生成的user-item,user-user,item-item的特征矩阵，再对数据集进行特征抽取，比如活跃用户(对电影评分数量大于30)，非活跃用户。受欢迎电影（评分人数大于30且平均分大于3.5）这种特征工程，作为WD模型的输入。根据情况区分离散特征和连续特征进行相应的训练。