推荐系统中的评估指标
（1） 用户满意度：
- 推荐系统最重要的参与者就是用户，因此是否使用户满意是划定推荐系统是否答辩的一个关键。
- 用户满意度无法通过离线计算，必须通过用户调查或者在线实验。
（2）预测准确度：
① 评分预测：均方根误差（RMSE）、平均绝对误差（MAE）。
② TopN推荐：准确率、召回率。
（3）覆盖率：
- 描述一个推荐系统对物品长尾的发掘能力。
- 内容提供商会比较的关系这个指标，因为内容提供商肯定希望自己的物品被推荐的每一个用户，即100%覆盖率。一个好的推荐系统不仅需要有比较高的用户满意度，也要有较高的覆盖率。
（4）多样性：
- 为了满足用户广泛的兴趣，推荐列表需要能够覆盖用户不同的兴趣领域。
- 多样性描述了推荐列表中物品两两之间的不相似性。
（5）新颖性：
- 推荐给用户的商品是用户之前没有看到过的。
- 准确地统计新颖性需要做用户调查。
（6）惊喜度
- 令用户惊喜的推荐结果是和用户历史上喜欢的物品不相似，但用户却觉得满意的推荐。
- 用户满意度只能通过问卷调查或者在线实验获得
（7）信任度
- 度量推荐系统的信任度只能通过问卷调查的方式，询问用户是否信任推荐系统的推荐结果。
（8）实时性
- 推荐系统需要实时地更新推荐列表来满足用户新的行为变化。
- 推荐系统需要能够将新加入系统的物品推荐给用户。
（9）健壮性
- 衡量了一个推荐系统抗击作弊的能力。
（10）商业目标
- 根据网站系统注重的商业目标所规定，商业目标一般与盈利模式息息相关。