如何分割推荐系统的极端稀疏数据集的训练/测试？

Question

我在现实世界的数据集上使用 CF 算法（SVD）。现在我遇到一个关于数据稀疏问题的问题。这意味着用户/项目评分矩阵的稀疏度约为 0.01%。我以 80/20 将数据分成训练/测试集，我发现测试集中只有少数用户和项目出现在训练集中，所以我可以只使用测试集中的一些评级来计算 RMSE。你能给我一些修复它的建议吗？

Answer 1

对于推荐系统，通常将每个用户的历史记录分为训练和测试。更详细：

1. 对于每个用户，我们写下他与之交互的项目。
2. 最好，我们按（增加）时间对它们进行排序，以克服“时间旅行问题”（用户可以重新访问已知的项目，因此您不想在早期数据集上进行测试）。
3. 像往常一样，您使用数据集的前 (1-k)% 作为训练集，其余部分作为测试集。