Mahout Log Likelihood類似度メトリックの動作

Question

私が解決しようとしている問題は、適切な類似性メトリック、rescorerヒューリスティック、およびデータのフィルタリングレベルを見つけることです。 （私は、ユーザーまたはアイテムがそれを実動データベースに入れるために関連付けなければならない評価の量を意味するために「ろ過レベル」を使用しています）。

セットアップ
私はmahoutのコラボレーションフィルタリングフレームワークを使用しています。私のデータは、商品の評価がセット{1,2,3,4,5}に含まれているトリプレットの形で提供されます。私はlogLikelihoodの類似性メトリックの上にitemBased推奨を使用しています。私は、本番データセットから20個未満のアイテムを評価するユーザーを除外します。 RMSEは良好に見えて（1.17インチ）、データキャッピングは行われませんが、間違いのような奇妙な振る舞いがあります。

質問

ファースト・コール - ユーザーからの情報なしに「トップアイテムのリストを生成します。私が使用してこれを行うには、私が呼んでいるもの、中心合計：

for i in items 
for r in i's ratings 
    sum += r - center 

where center = (5+1)/2 , if you allow ratings in the scale of 1 to 5 for example 

は、私はアイテムを持っている評価の数をしたいので、主にトップ項目のリストを生成する代わりに、平均的な評価の中心に合計を使用しますランキングを考慮して受け取った。

第2コール - 第1コールで返されたトップアイテムのそれぞれに9つの同様のアイテムを求めます。私が類似のアイテムを求めた各トップアイテムについて、返された同様のアイテムのうち7アイテムが同じです（他のトップアイテムに返された同様のアイテムセットと同じです）！

いくつかの再解析を試す時間はありますか？多分、2つのゲームの類似性に、xが調整されている（約50点か何かが始まっている）/（xの同格の項目の数）/ xを乗算します。事前野郎

Answer 1

あなたは、いくつかの項目Xに似た50の項目を求めている中

おかげでその後、あなたはそれらの50のそれぞれについて、9つの同様の項目を探し、それらのほとんどは同じです。なぜそれは驚くべきことでしょうか？類似のアイテムは同じ他のアイテムと似ているはずです。

「センタリングされた」合計とは何ですか？平均よりも合計でランク付けすると、各計算の合計の項目数がほぼ同じ場合でも、比較的類似した出力が得られます。

あなたはどのような問題を解決しようとしていますか？これのどれもあなたが使用していることを説明している推薦システムには関係していないと思われます。対数尤度類似度は格付けに基づいていません。