An improved item-based KNN predictor

Today, I revise the item-based KNN predictor and get RMSE = 0.8730 in quiz with other 39 predictors.

The classical item-based kNN will firstly calculate similarity between item i and j by：



The, the rating r(u,i) will be predicted by:



However, I revise this predictor by:



This predictor can produce more accurate prediction by choosing adequate alpha

在已有的模型结果上做KNN

假设我们已经有了一个预测器b。我们定义item直接的相似度为:


然后用item-based KNN进行预测，我们在20个factor的SVD结果上，进行了K=30的KNN算法。计算出一个预测器，加入到最后的预测器集合中融合，得到RMSE=0.8782。

我准备将这个方法应用到更多的预测器上

考虑电影的时间因素(ItemKNN3Model)

在item-basedKNN中，可以考虑电影的时间因素。

电影i，j的相似度为s(i,j)，考虑时间因素后，定义为

s(i,j) = s(i,j) * exp(-k * |t(i) - t(j)|)