重排序

MMR Maximal Marginal Relevance

平衡相关性和多样性, $\lambda$ 越大，推荐结果越相关； $\lambda$ 越小，推荐结果多样性越高。

算法复杂度O(MN^2)。N为返回item个数，M为Item总数。

M M R \stackrel{\text { def }}{=} \operatorname{Arg} \max _{D_{i} \in R \backslash S}\left[\lambda \operatorname{Sim}_{1}\left(D_{i}, Q\right)-(1-\lambda) \max _{D_{j} \in S} \operatorname{Sim}_{2}\left(D_{i}, D_{j}\right)\right]

Last updated 3 years ago

Was this helpful?

MMR Maximal Marginal Relevance

平衡相关性和多样性, $\lambda$ 越大，推荐结果越相关； $\lambda$ 越小，推荐结果多样性越高。

算法复杂度O(MN^2)。N为返回item个数，M为Item总数。

M M R \stackrel{\text { def }}{=} \operatorname{Arg} \max _{D_{i} \in R \backslash S}\left[\lambda \operatorname{Sim}_{1}\left(D_{i}, Q\right)-(1-\lambda) \max _{D_{j} \in S} \operatorname{Sim}_{2}\left(D_{i}, D_{j}\right)\right]

Q : 用户;

D : 推荐结果集合;

S : R 中已被选中集合;

R\S : R 中未被选中集合;

$\lambda$ : 权重系数，调节推荐结果相关性与多样性