基于案例的知识推荐系统

1. 简单的流程

知识推荐系统忽略了特殊用户的偏好，并未尝试推断不同电影之间的相似性；例如IMDB的基本流程如下所示：

• 确定评估标准用于对电影进行打分
• 确定影响电影排名的关键因素
• 计算所有符合要求的电影所得分数
• 按得分数从高到低排列播放列表

2. 度量 metric

在基于鲁棒且可靠的度量标准下，在电影评分系统中，在一部电影的评分优于另一部时，则被认为该部电影在偏好顺序中排位更高；这些指标是影响推荐结果的核心因素。

度量的选择具有广泛的可能性。

其次,这种方法的一个主要缺陷是没有考虑到观众的真实受欢迎程度

因此,如果一部影片获得了来自十万用户的九十分评价,那它就不可能像只有百名观众打分并且专门服务于某个小众圈层的小众艺术片那样吸引普通观众

这种做法显然有问题

换句话说

低评分往往不够具有说服力

虽然有五位影评人打出满分的好评

这里我们采用的就是经典的IMDB加权评分计算公式来作为评判标准

v代表电影获得的票数统计。
m代表电影在图表中达到平均得分所需最小的投票数（前提条件）。
R代表电影的平均得分数。
C代表数据库中所有电影的平均得分