推荐系统 RES-召回策略:基于交替最小二乘的矩阵分解推荐

时间：2024-09-07 16:00:55

推荐系统 RES 算法介绍及参数说明

基于交替最小二乘的矩阵分解推荐：基于用户-物品的行为信息作为原始矩阵，利用ALS优化算法对原始矩阵进行矩阵分解，分解之后的用户隐向量矩阵和物品隐向量矩阵可以用来生成预估的新的用户-物品评分矩阵，提取出评分最高的若干个物品作为召回结果。

表4 基于交替最小二乘的矩阵分解推荐参数说明
参数名称	说明
名称	策略名称，由中文、英文、数字、下划线、空格或者中划线组成，并且不能以空格开始和结束，长度为1~64个字符。
描述	策略的具体描述。
隐向量维度	在ALS算法中使用，指定用户隐向量、物品隐向量的隐含因子的维度大小。如果离线计算失败，建议调小至10以下。默认为10。
迭代次数	指定迭代优化的最大迭代次数。如果离线计算失败，建议调小至10以下。默认为10。
优化正则化系数	在ALS算法中使用，指定正则化系数，作为优化目标中参数项代价的系数，用于避免过拟合现象发生。默认为0.01。
最大推荐结果数	最多生成多少个推荐结果。默认为100。
开启调度	开启调度，按照指定的调度策略定期执行作业。 “调度周期”：调度周期可选“天”或“周”。 “调度类型”：包括自定义和间隔调度。 “开始调度时间”：选择具体的调度时间。当调度周期选择为“周”时，可在此下拉框中勾选星期一到星期天的任一天进行调度。 “时间间隔”：如果选择的调度类型为间隔调度，需要配置调度的时间间隔。