最近在寫畢業論文時，發現自己對推薦系統中的評分預測和TOP-N推薦問題理解的不夠深入，遂查閱資料，在此記錄下自己對這一問題的一點理解。
首先說結論，評分預測和TOP-N推薦是推薦系統應用的兩大場景，二者之間沒有必然的聯繫。下面分別對二者進行介紹。
評分預測：主要用於一些有評價的網站，如電影打分網站。一般對於評分預測我們採用point-wise的方式進行用戶偏好建模，即考慮單個用戶對單個物品的偏好程度，那麼此時的損失函數就應該選擇預測評分與實際評分的平均平方差的根（RMSE），來預測如果給用戶推薦這個物品，用戶的滿意程度如何。
TOP-N推薦：主要用於購物網站和一些拿不到顯式評分的網站，它側重於推薦N個和用戶喜好相似的物品列。相比於評分預測，TOP-N推薦更符合實際的需求。
正是因爲二者之間沒有必然聯繫，因此評分預測好的模型就不一定適合用來做TOP-N推薦。預測評分高的並不一定是用戶當前想要的，而推薦給用戶的，則一定是用戶最想要的且評分不錯的，故TOP-N可以是用戶興趣範圍內的項目預測評分的降序排列，重點是捕獲用戶的興趣，不是簡單的對預測評分做降序（我之前是這麼做的，雖然這樣做說不上錯，但其TOP-N推薦效果一定存在不足），而是對用戶感興趣的範圍做一個降序操作。關於如何結合用戶興趣給出TOP-N推薦，可以參考論文《Top-N協同過濾推薦技術研究》（論文知網鏈接：https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CDFD&dbname=CDFDLAST2015&filename=1014086886.nh&uid=WEEvREdxOWJmbC9oM1NjYkdwUlVZcGs3eEpvL3pieHBrSzk5RlBxVFQ2Uk8=$R1yZ0H6jyaa0en3RxVUd8df-oHi7XMMDo7mtKT6mSmEvTuk11l2gFA!!&v=MTY3MjZPZVorZHRGeXZsVXJ2QlZGMjZHck93R05uRXFaRWJQSVI4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUkw=）
參考資料：