recommenders-team/recommenders

Question about Wide and Deep Model for Movie Recommendation

Open

#1206 aperta il 23 set 2020

Vedi su GitHub
 (0 commenti) (1 reazione) (1 assegnatario)Python (2972 fork)batch import
help wanted

Metriche repository

Star
 (17.706 star)
Metriche merge PR
 (Merge medio 6g 16h) (10 PR mergiate in 30 g)

Descrizione

Description

in this example there are some itemID(movie_id) in test data that they don't exists in train data, so during training the model can't build or it is better to say "can't update" embedding for them. in normal situation it's not a problem but "ranking_pool" that was used for evaluation also contains these itemIDs pair with some userIDs therefore they have negative affects on evaluation metric like NDCG because we multiplied some random vectors with learned user vectors. Is there any reason for doing so?

Guida contributor

Direzione di ricerca
Investiga il metodo di suddivisione dei dati utilizzato nel notebook di avvio rapido ed esamina come viene costruita la pool di ranking per la valutazione. Discuti se includere elementi non visti nel test set è intenzionale e come influisce su NDCG.
Tech stack
python
Dominio
aibackend
Tipo issue
Bug
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-3 ore
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Abbastanza chiara
Prerequisiti
PythonMachine Learning
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
65