版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_20095389/article/details/87545407
一、思维导图
二、评测指标解释
1、用户满意度
通过用户调查，用户停留时间或者转化率等指标衡量，没有具体公式。
2、预测准确度
评分预测
- 均方根误差RMSE
- 平均绝对误差MSE
RMSE加大了对预测不准的用户物品评分的惩罚。
TopN推荐
R(u)是根据用户在训练集上的行为给用户做出的推荐列表，T(u)是用户在测试集上的行为列表。？？？不太理解。
- 召回率Recall
- 准确率Precision
覆盖率
- 简单粗暴
- 根据流行度的分布应该均匀 - 信息熵（覆盖率越高，信息熵越大），p代表流行度。
- 根据流行度的分布应该均匀 - 基尼系数（覆盖率越高，基尼系数越小），p代表流行度。
多样性
多样性描述了列表中两两不相似性，s(i,j)为i和j物品相似性。
- 推荐列表R(u)多样性
- 推荐系统整体多样性
新颖性
推荐给用户没有听说过的物品。
- 平均流行度
惊喜度
- 新颖+用户满意
- 目前只有定性的评价
信任度
- 目前只能通过问卷调查
- 增加信任：1. 提高推荐系统透明度 2.利用社交网络推荐
实时性
- 实时更新满足用户行为变化
- 能够将新加入的物品推荐给用户
商业目标
- 商业目标是否达成