recommenders-team/recommenders

Question about Wide and Deep Model for Movie Recommendation

Open

#1.206 aberto em 23 de set. de 2020

Ver no GitHub
 (0 comments) (1 reaction) (1 assignee)Python (2.972 forks)batch import
help wanted

Métricas do repositório

Stars
 (17.706 stars)
Métricas de merge de PR
 (Mesclagem média 6d 16h) (10 fundiu PRs em 30d)

Description

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?

Guia do colaborador

Direção de pesquisa
Investigue o método de divisão de dados usado no notebook de início rápido e examine como o pool de classificação para avaliação é construído. Discuta se incluir itens não vistos no conjunto de teste é intencional e como isso afeta o NDCG.
Pilha de tecnologia
python
Domain
aibackend
Tipo Issue
Bug
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-3 horas
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Principalmente claro
Prerequisites
PythonMachine Learning
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
65