【技术实现步骤摘要】
本专利技术涉及物品推荐，尤其涉及一种基于非随机缺失数据处理结局测量误差的推荐方法和系统。
技术介绍
1、推荐系统(rs)旨在为用户集合生成他们可能感兴趣的物品或产品的有意义的推荐，近年来已经取得了许多重大进展。然而，在现实世界中直接使用这些先进的模型时，如果忽略了所收集数据中存在的大量偏差，就会导致评级预测模型的性能达不到最优。其中，数据缺失问题尤为普遍，因为用户可以自由选择物品进行评分，而评分值较低的物品更有可能缺失，从而导致rs中收集到的数据总是非随机缺失(mnar)。mnar评分对预测模型的无偏评估和学习提出了严峻的挑战，因为观察到的数据可能无法代表全体用户-物品对。
2、为了解决这个问题，以前的研究通过定义预测不准确度来评估预测模型的性能，即预测误差(如预测评分与潜在观察评分之间的平方差的平均值)。为了通过观测到的评分无偏估计预测误差，以前的研究提出了三种典型的方法，包括：(1)基于误差填补(eib)的方法，为每个缺失的评分计算估算误差。(2)逆倾向得分法(ips)，这种方法将每个观察到的评分的预测误差与观察到该评分...
【技术保护点】
1.一种基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，基于所述训练样本集和训练好的噪声预测模型对所述去噪误差插补模型和去噪预测模型进行联合训练，包括：
3.根据权利要求1所述的基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，采用以下公式计算去噪预测模型的损失：
4.根据权利要求1所述的基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，采用以下公式计算去噪误差插补模型的损失：
5.根据权利要求4所...
【技术特征摘要】
1.一种基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，基于所述训练样本集和训练好的噪声预测模型对所述去噪误差插补模型和去噪预测模型进行联合训练，包括：
3.根据权利要求1所述的基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，采用以下公式计算去噪预测模型的损失：
4.根据权利要求1所述的基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，采用以下公式计算去噪误差插补模型的损失：
5.根据权利要求4所述的基于非随机缺失数据处理结局测量误差的推荐方法，其特征在于，采用以下公式计算代理损失：
6.根据权利要求2所述的基于非随机缺失数据处理结局测量误差...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。