推荐系统负样本和正样本

### 推荐系统的正样本与负样本

#### 正样本定义及其作用
在推荐系统中，正样本指的是用户确实发生过交互行为的数据项。这些交互可以是点击、购买、点赞等形式。例如，在电商环境中，如果一位顾客浏览并最终下单了一款商品，则这款商品对于该用户的记录即为一条正样本数据[^1]。

#### 负样本定义及其作用
相对地，负样本是指那些虽然展示给用户但是并未获得任何积极反馈的商品或内容。为了提高模型训练效率以及更好地模拟真实世界中的选择过程，通常会采用不同策略来构建负样本集。一种常见做法就是将未被选中的项目作为简单的负样例；另一种更复杂的方法是从候选集中挑选出一些较难区分其吸引力高低的对象充当所谓的“困难”负样本。

#### 实践中的应用方式
具体到实际操作层面，工业界往往采取组合式的方案来进行正负样本的选择。比如，在某些案例里提到的做法是：一半比例选取自全部可用选项里的随机条目作为容易识别出来的负面例子（简单负样本），而另一半则来源于未能通过初步筛选阶段的产品列表之中——这类物品因为具备一定迷惑性所以被称为较为棘手的反面教材（困难负样本）。这样的设计有助于增强算法学习能力，使其不仅能分辨明显不匹配的情况还能处理边界模糊地带的问题。

import random

def generate_samples(user_interactions, all_items):
    positive_samples = user_interactions  # 用户有互动的历史记录
    
    simple_negative_samples = set(random.sample(
        list(set(all_items) - set(user_interactions)), 
        int(len(all_items)*0.5))
    )
    
    difficult_negative_samples = [
        item for item in all_items 
        if not any([cond(item) for cond in preliminary_filters])
    ]
    difficult_negative_samples = random.sample(difficult_negative_samples, k=int(len(all_items)*0.5))

    return {
        'positive': positive_samples,
        'simple_negative': simple_negative_samples[:len(simple_negative_samples)//2],
        'difficult_negative': difficult_negative_samples[:len(difficult_negative_samples)//2]
    }