推荐系统何时有用？
信息检索
2007-09-19 v1 计算机与社会
数字图书馆
数据结构与算法
数据分析、统计与概率
物理与社会
摘要
推荐系统是克服互联网带来的信息过载的关键工具。需要进行严格的测试以确定复杂方法在多大程度上能提高预测质量。在此，我们分析了一种改进的基于相关性的协同过滤算法，并将其与一种新的谱推荐方法进行了比较。我们在两个具有不同统计特性的数据库（MovieLens 和 Jester）上对它们进行了测试，未过滤掉活跃度较低的用户，并在可能时按时间顺序排列意见。我们发现，当用户 - 用户相关性分布较窄时，简单平均法的效果几乎与高级方法相当。另一方面，在外部影响可忽略且人们品味完全显现的系统中，推荐系统可以利用大量额外信息。这些发现通过人工生成数据的模拟得到了验证。
引用
@article{arxiv.0709.2562,
title = {When are recommender systems useful?},
author = {Marcel Blattner and Alexander Hunziker and Paolo Laureti},
journal= {arXiv preprint arXiv:0709.2562},
year = {2007}
}