Netflix的推荐的推荐模型包含了特定天的参数，那么netflix是如何使用这些天数来预测未来的评分呢？

Netflix prize大赛获奖者的模型中包含了特定天的参数，那么一个明显的问题就是如何使用这些模型来预测未来的评分呢？
一个简单的处理方式就是对于未来（未训练）的日期，特定日期的参数应该取默认值。也就是对于式： $b_{ui}=\mu+b_u+\alpha_u\cdot dev_u(t_{ui})+b_{u,t_{ui}}+（b_i+b_{i,Bin(t_{ui})}）\cdot c_u(t)$
$c_u(t_{ui})$设为 $c_u$， $b_{u,t_{ui}}$设为0。
如果我们不能使用这些特定天的参数来预测未来的日期，那这些参数在什么地方才有用呢？毕竟，预测只有关乎未来才是有用的
为了使这个问题更清晰，我们需要提到这样一个事实：在Netflix数据集中包括了很多用户在某些日期只有一条评分记录的数据，因此，特定日期的参数不能使用。
为了回答这个问题，需要注意时序化建模并没有试图捕获未来的变化。Netflix的时序化建模试图做的是捕获瞬息万变的动态时序，这些动态时序对用户过去的反馈有很大的影响。当识别出这些时间效应时，应该对它们进行向下调整，以便能够对更加持久化的信号建模。这样，模型就可以更好地捕获数据的长期特征，而使用精心设计的参数来表示短期波动。例如，如果一个用户某天给出了很多比平时评分要高的评分，模型将会对这些评分给予一定的折扣，因为考虑到这可能是用户在特定天的参数完成了一种数据清理工作，而这种数据清理提高了对未来日期的预测准确度。