推荐系统的评分指标

如何解决推荐系统的评分指标

我正在从事一个涉及构建新闻推荐系统的项目。我已经使用贝叶斯函数将用户与网站上不同文章的交互量化为用户对特应性的亲和力。我也将最近使用 LDA 的文章量化为一篇文章谈论每个主题的比例。

我的用户对用户 x 的主题亲和性如下所示（目标-x）：

 user_id  interest-topic-0  interest-topic-1  interest-topic-2  interest-topic-3  interest-topic-4  interest-topic-5  interest-topic-6  interest-topic-7  interest-topic-8  interest-topic-9 
       0            0.0257            0.2956            0.0386            0.0643            0.1285            0.0000               0.0            0.0257            0.0386            0.1671  

我的量化文章看起来像这样（vectors-v）：

post_id   topic-0   topic-1   topic-2   topic-3   topic-4   topic-5   topic-6  topic-7  topic-8   topic-9
      x  0.055048  0.000000  0.742544  0.032286  0.059630  0.000000  0.000000  0.01173      0.0  0.095441
      y  0.000000  0.051172  0.000000  0.000000  0.158314  0.042632  0.022281  0.00000      0.0  0.720676
      z  0.028615  0.000000  0.020919  0.000000  0.000000  0.018940  0.882862  0.00000      0.0  0.046078

目标的形状总是 (10,)

向量的形状总是 (num_articles,10)

两个向量不遵循相同的分布。

现在我正在尝试找出从向量 v 为目标用户 x 推荐文章的最佳方式，给定 x 和 v。我尝试了距离相似度函数（如余弦相似度）来找到向量之间的距离。结果令人满意，但我正在寻找更好的函数/指标来为用户挑选前 n 个推荐。任何帮助将不胜感激。