如何讓推薦列表不要千篇一律？——重排算法MMR

MMR原理

$Q$ : 用戶;
$D$ : 推薦結果集合;
$S$ : $R$中已被選中集合; KaTeX parse error: Undefined control sequence: \S at position 2: R\̲S̲: 中未被選中集合;
$λ$: 權重係數，調節推薦結果相關性與多樣性

該如何理解這個公式？簡單說，從未選中的集合中選擇一個物品，計算它和用戶的相似性，以及它和已選物品的相似性。我們希望該物品和用戶儘可能相似，和已選物品儘可能不相似，這樣展示的物品有比較好的多樣性

代碼

def MMR(itemScoreDict, similarityMatrix, lambdaConstant=0.5, topN=20):
    s, r = [], list(itemScoreDict.keys())
    while len(r) > 0:
        score = 0
        selectOne = None
        for i in r:
            firstPart = itemScoreDict[i]
            secondPart = 0
            for j in s:
                sim2 = similarityMatrix[i][j]
                if sim2 > second_part:
                    secondPart = sim2
            equationScore = lambdaConstant * (firstPart - (1 - lambdaConstant) * secondPart)
            if equationScore > score:
                score = equationScore
                selectOne = i
        if selectOne == None:
            selectOne = i
        r.remove(selectOne)
        s.append(selectOne)
    return (s, s[:topN])[topN > len(s)]