针对物品的推荐模型性能评估-tinyxml中文指南

图 14.3 基于物品的推荐模型性能评测 在 k-NN 模型中，k 值得选择不同，决定模型效果的不同，可以根据数据的情况进行微调。 模型训练好后，可以用“Write Model”和“Read Model”对模型进行读写，勾选 Online updates 对模型进行动态更新，对大数据分次更新。 14.5 基于内容(content)的推荐系统 协同过滤系统使用现有用户的使用习惯信息，基于内容的推荐使用物品（item）描述与 用户喜好特性（访问过哪些物品）信息一起构建推荐新的物品应用。 例如：用户在新闻消息，web 网站等场景中读取的文章内容、物品分类信息等。这些信 息内容可帮助构建推荐系统应用。 操作步骤： 将“collaborative_test”测试集，“collaborative_train”训练集和“content_attribute”物品 属性集数据拖拽到操作栏中，在对每个数据集设置用户标签属性后，调用“Item Attribute k-NN”操作符，将输入端口分别与训练集和用户物品属性集连接，然后将训练模型端口 Mod 输出端与“Apply Model”的 Mod 端连接，“Apply Model”的 que 端口与测试集连接， 后 输出结果，整体流程如图 14.4。