关于 Top-K 推荐评估的采样问题
信息检索
2021-06-22 v1 应用统计
摘要
近来，Rendle 警示基于采样的 top- 指标可能并不充分。这使得许多近期关于基于深度学习的推荐算法以及使用此类指标的传统非深度学习算法的研究陷入危机。本文中，我们深入探究了采样与全局 top- 命中率（HR，或称召回率）之间的关系，该指标最初由 Koren[2] 提出并被广泛采用。通过将对齐采样 top-（）与全局 top-（）命中率的问题形式化为一个映射函数 ，使得 ，我们从理论与实验两方面证明，采样 top- 命中率能准确近似其全局（精确）对应指标，并可一致地预测正确的胜出者（与其相应全局命中率所指相同）。
引用
@article{arxiv.2106.10621,
title = {On Sampling Top-K Recommendation Evaluation},
author = {Dong Li and Ruoming Jin and Jing Gao and Zhi Liu},
journal= {arXiv preprint arXiv:2106.10621},
year = {2021}
}