最近在写毕业论文时，发现自己对推荐系统中的评分预测和TOP-N推荐问题理解的不够深入，遂查阅资料，在此记录下自己对这一问题的一点理解。
首先说结论，评分预测和TOP-N推荐是推荐系统应用的两大场景，二者之间没有必然的联系。下面分别对二者进行介绍。
评分预测：主要用于一些有评价的网站，如电影打分网站。一般对于评分预测我们采用point-wise的方式进行用户偏好建模，即考虑单个用户对单个物品的偏好程度，那么此时的损失函数就应该选择预测评分与实际评分的平均平方差的根（RMSE），来预测如果给用户推荐这个物品，用户的满意程度如何。
TOP-N推荐：主要用于购物网站和一些拿不到显式评分的网站，它侧重于推荐N个和用户喜好相似的物品列。相比于评分预测，TOP-N推荐更符合实际的需求。
正是因为二者之间没有必然联系，因此评分预测好的模型就不一定适合用来做TOP-N推荐。预测评分高的并不一定是用户当前想要的，而推荐给用户的，则一定是用户最想要的且评分不错的，故TOP-N可以是用户兴趣范围内的项目预测评分的降序排列，重点是捕获用户的兴趣，不是简单的对预测评分做降序（我之前是这么做的，虽然这样做说不上错，但其TOP-N推荐效果一定存在不足），而是对用户感兴趣的范围做一个降序操作。关于如何结合用户兴趣给出TOP-N推荐，可以参考论文《Top-N协同过滤推荐技术研究》（论文知网链接：https://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CDFD&dbname=CDFDLAST2015&filename=1014086886.nh&uid=WEEvREdxOWJmbC9oM1NjYkdwUlVZcGs3eEpvL3pieHBrSzk5RlBxVFQ2Uk8=$R1yZ0H6jyaa0en3RxVUd8df-oHi7XMMDo7mtKT6mSmEvTuk11l2gFA!!&v=MTY3MjZPZVorZHRGeXZsVXJ2QlZGMjZHck93R05uRXFaRWJQSVI4ZVgxTHV4WVM3RGgxVDNxVHJXTTFGckNVUkw=）
参考资料：