本文主要是介绍2.app recommendation with very sparse datasets，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.摘要
app的使用曲线呈现很高的峰态和更显著的长尾现象。即，少数最受欢迎的的app享有很高的下载量，绝大多数app所占份额极少，甚至屈指可数，具有很大的稀疏性。
主要原因有：与电影等商品相比，app开发者使用的资源具有很大的多样性且发布app的开支更小。
对稀疏集的处理，可提高降维的使用。
2.我的想法
现有的app商店多数使用以下三种方法提供app：（1）最受欢迎的app列表（2）几大类别分类呈现（3）关键字搜索。
存在问题：（1）极少数app因受欢迎而更受欢迎，埋没新生高质量app市场；（2）类别分类太粗糙，通常一个类别下包含超多条目；（3）用户并不知道要搜索什么。搜索的通常是标题。
3.结论
传统基于记忆的算法（memory-based）对少数受欢迎的app更有利，会造成更严重的峰态；
隐语义模型（latent factor model）更适合对电影等商品的处理，对稀疏集的处理准确性不足；
本文所提出的eigenapp model 对于具有稀疏性的长尾app具有优越的推荐效果。
4.数据处理
（1）数据集
使用GetJar上2011年11月7日-11月21日，101106个用户，55020个app的记录。
（2）数据预处理。
峰态和长尾现象明显，定义最受欢迎的100个app作为头部。可能存在同一app功能类似，多次发布。数据集中清除不足20个用户的app数据。
（3）衡量指标设置。
选取使用的天数作为衡量指标。因为对app的评分受上下文影响较大，而且，对于不同类别app，使用的多不一定评分高。
为了说明更合理，采取两种评测系统：1）使用的天数；2）使用和未使用二值。
5.模型设计
（1）非个性化模型
根据受欢迎度进行排序，受欢迎度通过用户数衡量。
（2）基于记忆的模型
通过对数据的分析发现超过90%的app对只有一个或没有共同用户。由于皮尔逊相关系数（Pearson correlation coefficient）需要大量共同用户，所以选择余弦相似度。
用R表示m*n用户-app矩阵，根据 
计算得item-item相似度矩阵S，可想而知S较为稀疏。考虑用 
计算亲密度，I_u表示用户u使用的app集合，根据亲密度评分来生成top-N列表。发现用Z评分对S_i,j进行正规化后效果更好， 
。同时能减少噪声。
计算得item-item相似度矩阵S，可想而知S较为稀疏。考虑用 计算亲密度，I_u表示用户u使用的app集合，根据亲密度评分来生成top-N列表。发现用Z评分对S_i,j进行正规化后效果更好， 。同时能减少噪声。
（3）隐语义模型
对于之前构建的R矩阵，利用PureSVD进行因子分解。PureSVD不盲目追求RMSE（均方根误差）最优，而是根据相关评分相对排序（什么鬼？）。
（4）特征app模型（eigenapp model）
对矩阵R的item向量进行正规化，防止倾向于热门app。采用PCA（主成分分析）提取特征。
各种投影，转置提取出较好的特征。
6.评测
评测指标：准确度；长尾app的准确度；流行度；多样性。
这篇关于2.app recommendation with very sparse datasets的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
