6月25日
6月8日
11:09
11:09arXiv cs.LG@Ekaterina Grishina, Stepan Kuznetsov, Askar Tsyganov, Ilya Ivanov, Daria Korovaitceva, Margarita Rusanova, Uliana Parkina, Alexander Derevyagin, Evgeny Frolov, Sergey Samsonov, Anton Lysenko
推荐算法排名因数据集特性(稀疏性、序列结构、规模)而异,简单平均指标(如NDCG)会产生误导。研究者提出基于Bradley-Terry模型的排名方法,能根据数据集统计特征生成更可靠的排名。该方法还引入新指标评估排名一致性,并能在不运行模型的情况下预测新数据集上的算法表现。这对推荐系统开发者选择算法和评估基准有重要参考价值。
推荐理由:推荐系统团队做算法选型时,别再被平均指标骗了——BT模型帮你根据数据集特性精准排名,省去跑全量模型的成本,做评估基准的开发者值得一试。