基于递归神经网络(RNN)的推荐系统召回计算
基于递归神经网络(RNN)的推荐系统召回计算
提问于 2017-02-01 04:30:11
据我所知，在Top推荐系统中，召回的公式如下：
recall = |{A} and {B}| / |{A}|，其中{A}是用户实际购买的东西，{B}是系统推荐的顶级N项。
但在基于神经网络的推荐系统中，它与传统的基于kNN的推荐系统(基于用户的推荐系统或基于项目的推荐系统)略有不同。
基于神经网络的推荐系统的目标是预测用户下次可能在"t+1“中购买的东西。在每个步骤中，系统将给出一个Top建议。参考文件：在这里输入链接描述
那么如何计算基于递归神经网络(RNN)的推荐系统的召回率呢？
回答 1
Stack Overflow用户
发布于 2017-02-01 04:38:29
https://arxiv.org/pdf/1511.06939.pdf
在本文中，召回被计算为“在所有测试用例中，拥有所需项的案例在顶级k项中所占的比例”。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41971925
复制相关文章
相似问题
腾讯云开发者
