如何在Twitter、Facebook等无评级系统上应用协同过滤

我正在学习协同过滤，想申请一些社交网络，比如Twitter或Facebook。我尝试了MovieLens提供的一些演示，了解到用户必须对一些反映兴趣的项目进行评分，评分将用作推荐算法的输入。然而，对于一些没有评级功能的社交网络，如Twitter或Facebook，我如何应用这些算法

---

有人在这个领域工作，请给我一些建议。

不要使用明确的评分。您可以通过定义自己的权重来推断隐含评级，例如：

Twitter:  Reteweet=1, Save=2, Both=3
Facebook: Like=1, Share=2, Both=3

---

使用此方法，您维护了一个

1-3

评级系统，可以将其输入到协同过滤算法中。

您应该在搜索中使用的关键字是“隐式反馈”。幸运的是，有一些很好的系统/方法允许您处理此类数据

---

这是我认为最好的一个，更好的是，这个GITHUB页面为您提供了文章的链接，这些文章解释了它使用的每种方法背后的理论。还有一些教程可以帮助您在短时间内编写第一个推荐系统。而且速度非常快，我在四核电脑上花了两个小时计算了60万用户对4000万条记录的推荐。

Hi@Dienow，你有没有想出一个好方法来评估这个隐式库？专门针对ALS模型。任何建议都将不胜感激。文档非常简单。@SCool您的意思是在测试数据集上进行评估？github页面上的一些教程解释了如何做到这一点（尽管我必须承认其中一些教程使用了不推荐的API）。我还在生产中使用了它，甚至在上面实现了实时建议。它胜过简单的top，但我还没有机会对照其他一些推荐库对它进行a/b测试。