推荐系统基础、方法与技术 课件 11.4 基于项目偏序图的低质量数据的准确识别.pptxVIP

11.4基于项目偏序图的低质量数据准确识别主讲人：——序列模式挖掘与数据质量评估

PART1知识概述PART3回顾总结PART2项目偏序图构建

PART1知识概述核心目标?通过构建项目间的偏序关系网络，挖掘用户交互序列模式，精准区分高质量/低质量数据，为推荐系统优化提供数据清洗基础。?核心步骤?项目偏序图构建：基于用户交互顺序建立有向图?低质量数据识别指标：通过图结构特征设计评估指标

PART2项目偏序图构建?对比项本方法（项目偏序图）UGCN（用户-项目图）边的定义项目间先后顺序关系用户交互+项目邻接关系核心关注点序列模式挖掘图神经网络协同过滤数据质量用途识别低质量项目优化推荐模型表示学习

PART2项目偏序图构建?构建算法步骤

PART2项目偏序图构建?数据质量入度特征出度特征典型场景高质量入度/出度均衡且较高核心项目，前后关联丰富低质量入度接近0（孤立节点）噪声项目（无前驱关联）异常流行入度低但出度异常高营销驱动项目（无实质关联）

PART2项目偏序图构建?

PART2项目偏序图构建?

PART2项目偏序图构建三指标联合应用示例场景：电商商品数据清洗商品A（噪声）：?入度0，出度0→孤立节点，直接标记为低质量?商品B（异常流行）：?入度5，出度200（远超同类商品均值）→怀疑是促销广告商品，需人工核验?商品C（高质