使用spark運(yùn)行協(xié)同過(guò)濾算法，rating的值該怎樣設(shè)置？對(duì)于隱性反饋，用戶沒有明確的項(xiàng)目評(píng)分?jǐn)?shù)據(jù)。在這種情況下，在考慮評(píng)級(jí)值時(shí)，應(yīng)根據(jù)具體業(yè)務(wù)場(chǎng)景的相應(yīng)數(shù)據(jù)進(jìn)行設(shè)計(jì)。例如：短視頻推薦]（1）根據(jù)不

使用spark運(yùn)行協(xié)同過(guò)濾算法，rating的值該怎樣設(shè)置？

對(duì)于隱性反饋，用戶沒有明確的項(xiàng)目評(píng)分?jǐn)?shù)據(jù)。在這種情況下，在考慮評(píng)級(jí)值時(shí)，應(yīng)根據(jù)具體業(yè)務(wù)場(chǎng)景的相應(yīng)數(shù)據(jù)進(jìn)行設(shè)計(jì)。

例如：

短視頻推薦

]（1）根據(jù)不同的用戶行為設(shè)置評(píng)分值

對(duì)于短視頻推薦，您可以根據(jù)不同的用戶行為設(shè)置不同的評(píng)分值，如觀看、喜歡、分享等，這樣設(shè)置評(píng)分值的缺點(diǎn)是用戶的表?yè)P(yáng)和分享行為數(shù)據(jù)非常稀疏，不能單獨(dú)使用。考慮用戶項(xiàng)目的評(píng)分值，結(jié)合觀看、喜歡、分享等行為數(shù)據(jù)，需要考慮不同行為對(duì)評(píng)分值權(quán)重的影響。

（2）額定值根據(jù)同一行為的不同特征設(shè)置。

相同的行為可以考慮用戶行為的不同特征值來(lái)設(shè)置項(xiàng)目的用戶評(píng)分值，如視頻的觀看時(shí)間、觀看完成度，如果考慮時(shí)間衰減系數(shù)，可以結(jié)合觀看時(shí)間和當(dāng)前時(shí)間之間的時(shí)差來(lái)設(shè)置項(xiàng)目的額定值。

當(dāng)然，不同的推薦系統(tǒng)根據(jù)具體業(yè)務(wù)有不同的設(shè)置。比如，電子商務(wù)推薦可以考慮商品的價(jià)格，新聞信息推薦可以考慮篇幅，等等。以上只是參考。