如何评价一篇议论文范文及评价的好坏？

来源：蜘蛛抓取(WebSpider) 时间：2011-10-12 13:01 标签： 议论文范文及评价
如何评价一篇作文的好坏_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
如何评价一篇作文的好坏
上传于||暂无简介
阅读已结束，如果下载本文需要使用0下载券
想免费下载更多文档？
定制HR最喜欢的简历
你可能喜欢当前位置： &
3,132 次阅读 -
如果你挖掘的信息较少，推荐的方法有很多。问题是，选择哪一个模型更合适。在这里，主要的决策因子是推荐质量。你可以通过验证来估计它，而推荐系统的验证可能会很棘手。你需要考虑一些东西，包括任务的制定，可用的反馈形式和一个优化指标。下面，我们来解决这些问题并呈现一个实例。
我们把推荐当作是一个排名任务，这表示我们主要感兴趣的是一个相对较少的项，我们认为这些项最相关并把它呈现给用户。这就是众所周知的Top-k推荐。
把它和评级预测做比较，如Netflix的竞赛。2007年，Yehuda Koren（此次比赛的一个胜出者）指出，人们对使用RMSE作为一个指标并赞成使用RMSE指标存有疑惑，我们应该使用一个特定的排名指标。
然而，在我们有限的实验中，我们发现RMSE指标并不适用于排名。对我们而言，当调整用户留存率时，用于RMSE的矩阵分解优化表现的相当不错，但当从所有的可用项选择推荐时，却彻底地失败了。
我们认为原因是训练会集中于评分较高的项，同时对于这些项产生一个很好的拟合结果。而对于评分较低的项，在损失影响方面没有太大的意义。结果，对他们的预测会不平衡，使得与实际得分相比，一些得分较高，一些得分较低。最后，靠前的条目将显示在热门推荐一栏中，因而破坏了推荐结果。
换句话说，RMSE指标不能辨别真实的内情，而且我们需要特定的排名指标。
两个最受欢迎的指标是MAP和NDCG。我们在前段时间已经使用了（MAP）。NDCG表示。两者之间的主要区别是，MAP认为是二元相关性（一个项是感兴趣的或者不感兴趣的），而NDCG允许以实数形式进行相关性打分。这种关系类似分类和回归的关系。
实际当中，很难直接地优化MAP或NDCG指标，因为他们是不连续的，所以不可微。幸运的是，表明，用于排名学习的一对损失函数近似于这些指标。
NDCG这个名字可能有点吓人，但其背后的思想却很简单。一个推荐系统返回一些项并形成一个列表，我们想要计算这个列表有多好。每一项都有一个相关的评分值，通常这些评分值是一个非负数。这就是gain（增益）。此外，对于这些没有用户反馈的项，我们通常设置其增益为0。
现在，我们把这些分数相加，也就是Cumulative Gain（累积增益）。我们更愿意看那些位于列表前面的最相关的项，因此，在把这些分数相加之前，我们将每项除以一个递增的数（通常是该项位置的对数值），也就是折损值，并得到DCG。
在用户与用户之间，DCGs没有直接的可比性，所以我们要对它们进行归一化处理。最糟糕的情况是，当使用非负相关评分时DCG为0。为了得到最好的，我们把测试集中所有的条目置放在理想的次序下，采取的是前K项并计算它们的DCG。然后将原DCG除以理想状态下的DCG并得到NDCG@K，它是一个0到1之间的数。
你可能已经注意到，我们使用K表示推荐列表的长度。这个数由专业人员指定。你可以把它想像成是一个用户可能会注意到的多少个项的一个估计值，如10或50这些比较常见的值。
这里有一些，非常简单。
要注意到，我们实验的测试集由训练集以外的所有项组成，包括那些没有用户排名的项（与上面RMSE讨论中提到的一样）。有时人们会对用户留存率设置测试限制，所以推荐系统的任务是减少调整那些相对较少的项。在实际情景当中并不如此。
现在，它的要点是，还有。你还可以使用负相关分数。在这种情况下，你可以计算出更糟糕情况下DCG的归一化（它将小于零），或者仍然使用零作为下限值，具体要视情况而定。
有两种类型的反馈形式：显性反馈和隐性反馈。显性反馈表示用户率项。另一方面，隐性反馈来自于用户行为的观察。大多数通常是二元的：用户点击了一个链接，观看了一个视频，浏览了一个产品，购买了一个产品。隐式反馈不常以计数的形式出现，例如用户听一首歌的次数是多少。MAP只是一种二元反馈指标，而NDCG可以在任何情况下使用，你可以对推荐项指定相关分数（二元、整数或是实数）。
弱泛化和强泛化
我们可以把用户（和项）分成两组：训练集的一组和非训练集的一组。第一组的验证分数对应于所谓的弱泛化，而第二组对应于强泛化。在弱泛化的情况下，每个用户都在训练集。我们采取一些评价用于训练，剩下的评价用于测试。在评估强泛化时，用户既可用在训练中，也可用在测试中。
事实上，我们主要感兴趣的是强泛化，因为在现实生活中，我们给用户推荐的条目并不存在于训练集。我们可以通过重新训练模型来解决这个问题，但这在实时推荐系统当中并不可行（除非我们的模型碰巧使用的是在线学习，这表明它可以使用实时获得的新数据进行更新）。我们假设将使用一个没有数据更新的预训练模型，因此我们需要一种方式来解释先前看不见的用户。
处理新用户
有些算法在这种场景中会更合适，而有些算法则会变得更糟糕。例如，人们可能会说矩阵分解模型不能为新用户提供推荐。这是不正确的。例如，使用交替最小二乘（ALS）。该方法通过在调整项因子时保持用户因子不变，并在调整用户因子时保持项因子不变，从而拟合模型，依次循环直至收敛。在测试时，当我们从一个新用户输入时，我们可以保持项因子不变来拟合用户因子，然后进行推荐。
一般来说，当预测率是用户和项因子之间的点积时，我们可以采取项因子和解决系统的线性方程组来估计用户因子。这相当于拟合一个线性回归模型。我们希望的比率（实例）数是大于因子的数，但即使不能如愿，我们也要感谢正则化。
缺乏实例是一个众所周知的冷启动问题：如果一个新的访问者没有评分，那么协同过滤对于推荐就没用。只有在我们有一些反馈之后，我们才能使用它开始工作。
一般情况下，一个推荐系统得到的信息越多就会表现得越好，理想的情况下，当系统从给定用户中得到更多评价的时候，推荐的质量就会提高。在评价一个系统时，我们要考虑这个维度。为了完成这个，对于一个给定的用户，我们选择一个评价来训练，剩下的用来测试，然后选择两个评价进行训练，剩下的用来测试并依次下去，重复计算推荐和NDCG，直到达到某个特定数值或者测试集中没有剩余的评价为止。然后，我们绘制出如下结果图。
X轴是训练的评价数，Y轴是用户NDCG@50均值
当比较两个推荐系统的结果时，绘图将揭开它们的不同。要么一个比另一个更好，要么在曲线的某些点上相交。
该交叉点提供了使用两个系统组合的一种可能性。最初我们采用的是第一个系统，当获得的反馈大于阈值时，我们切换到另一个系统。在这里，当给出少许评价数时蓝色会表现的更好，但当评价数大约50个时就会收敛。当提供更多的评价时，绿色则占据上风。
这个分数是在大约1000个用户组成的测试集中计算得到的，这个样本大小提供了可识别的模型，但是仍然有一些噪音，正如你从锯齿线上看到的那样。
事实上，我们需要的应该是一个数字而不是一个绘图，我们可以在训练中平均化等级数目之间的得分，我们称这个数为L。由此产生的指标是MANDCG：均值（用户之间）平均（1到L之间）NDCG。
本文的在GitHub上可以获得。要运行它，在你的推荐系统上需要提供的数据和插件。
最后，我们诚邀您来探索如何在上使用更多的评价数来提升推荐系统的质量。
原文链接：（译者/刘帝伟 审校/刘翔宇、朱正贵、李子健 责编/周建丁）
注：转载文章均来自于公开网络，仅供学习使用，不会用于任何商业用途，如果侵犯到原作者的权益，请您与我们联系删除或者授权事宜，联系邮箱：contact@dataunion.org。转载数盟网站文章请注明原文章作者，否则产生的任何版权纠纷与数盟无关。
相关文章！
不用想啦，马上 发表自已的想法.
做最棒的数据科学社区
扫描二维码,加微信公众号
联系我们：如何判断文章优劣？Wordpress文章星级评价插件！ - 无忧主机
自始至终，以提供稳定、高性能的美国、香港免备案php虚拟主机产品为己任，以用户极高满意为生存价值，以产品的可靠性为生命线，以网络零中断为终身奋斗目标
在无忧主机php中，有很多使用建站的站长朋友。今天无忧小编简单的介绍下如何在文章中使用星级评价方法，其实大家都知道wordpress建站大部分个性化功能都是依靠插件实现的，而这个文章使用最新星级评价方法也是用插件实现的，大家可以进入后台-安装插件搜插件名：Yet Another Stars Rating：Settings！
Yet Another Stars Rating：Settings这个插件主要实现WordPress 文章星级评分功能，不仅可以添加作者评分外，还可以支持添加多个评分属性在文章结尾底部自动插入，最然无忧小编感兴趣的是可以设置游客或已登录用户评价。下面无忧小编用 wordpress 4.0环境下把方法和实现的截图给大家看看！
首先进入后台-插件-插件安装-搜索Yet Another Stars Rating：Settings
找到后点击在线安装-安装完成-进入设置-找到Yet Another Stars Rating：Settings设置：
点击进入设置后都是英文的，所以无忧小编将一些主要该设置功能都用中文标记了：
都设置OK后点击“保存”然后随意进入一篇文章就能看见方法成功实现了：
无忧主机相关文章推荐阅读：
本文地址：/wordpress/17412.html
喜欢本文或觉得本文对您有帮助，请分享给您的朋友 ^_^
无忧主机资质：（十二年旗舰品牌）
相关技术帮助文档
技术帮助文档分类君，已阅读到文档的结尾了呢~~
怎样评定一篇作文的好坏
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
怎样评定一篇作文的好坏
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口

我要回帖

更多关于 议论文范文及评价 的文章

 

随机推荐