在Mahout中，我正在设置一个GenericUserBasedRecommender，目前设置相当简单，采用的是典型配置。

在为一个项目生成“偏好”值时，我们有以下5个数据点：

积极兴趣

• 用户对项目进行了转换（表示兴趣的最高信号）
• 普通喜欢（用户表达了兴趣，例如点赞按钮）
• 间接表达兴趣（点击、光标移动、测量“眼球”）

消极兴趣

• 漠不关心（用户在其他项目上活跃时忽略的项目，模糊地表达了不感兴趣）
• 主动不喜欢（点踩、从我的视图中移除项目等）

我应该在什么范围内表达这些不同的属性，我们用1到100的范围来讨论？

• 我应该将‘主动不喜欢’和‘漠不关心’保持在接近的位置，例如分别在1和5，而所有的喜欢聚集在90到100的范围内吗？
• ‘漠不关心’和‘间接表达兴趣’是否应该更靠近中间？例如，‘漠不关心’在20到35的范围内，‘间接喜欢’在60到70的范围内？
• ‘用户转换’是否应该打破这个范围，并且比其他值高出很多？例如，‘用户转换’@ 100，‘较小的喜欢’@ ~65，‘不喜欢’聚集在1到10的范围内？
• 在1到100的范围内，50是否有效地等于“无”，或相当于没有数据点？

我知道最终答案在于试错和我们数据的意义，但就算法而言，我试图理解在什么点上我需要在兴趣和不感兴趣之间倾斜天平，使算法正常运行。

回答：

实际范围并不重要，对于这个实现来说。1到100可以，0到1也可以，等等。这里真正重要的是相对值。

这些值是通过简单的（线性）加权平均来估计的。因此，响应应该是“线性”的。它应该符合一种直觉，即如果动作X的得分是动作Y的2倍，那么X在现实生活中应该表示两倍的兴趣。

一个不错的起点是简单地根据它们的频率来调整它们。如果点击到转换的比率是2%，你可以让一次点击值相当于转换的2%。

我会忽略你提出的“漠不关心”信号。它很可能太嘈杂而无法使用。