python - 评估基于内容的推荐系统（没有“用户”）

Question

我正在使用 FIFA 2020 数据集为足球运动员构建基于内容的 RecSys。在这种情况下，球员是“项目”，他们的得分（头球能力、运球技巧、位置得分等）是“评分”。我已经创建了余弦相似度矩阵来对每个玩家的相似度得分进行排名。我的模型只是为了做到这一点：对于任何给定的玩家，我的模型将显示前 5 个最相似的其他玩家。

我现在正处于评估模型的阶段，并且面临一些问题。在网上做了一些阅读后，我收集到我可能无法使用 RMSE 或 MAE 等统计测量。更合适的一种是 Precision and Recall（或更具体地说，Mean Average Precision MAP）。

问题是，所有这些评估指标都需要实际用户来验证（例如，实际上选择克里斯蒂亚诺·罗纳尔多作为与莱昂内尔·梅西相似的“正确”球员）。回到原始数据集，它不像电影评分/亚马逊商品的情况，其中商品实际上是由不同用户评分的——FIFA 2020 只是每个玩家的分数和属性的集合。因此，我无法“预测”另一个用户对另一个玩家的评分并以此为基础进行推荐。

因此，我想问一下是否有其他建议来评估我的模型，就推荐的类似玩家的“正确”程度而言？再一次，我的模型只是旨在显示任何给定玩家的前 5 个最相似的玩家。

标签： pythonrecommender-systems