聊聊推荐系统的评测（上）

推荐系统的深度评测方法及指标

本文是鼎叔的第三十八篇原创文章，旨在探讨推荐系统的深度测试方法。作者参考《推荐系统实践》一书，讨论了推荐系统的设计原理、算法知识以及评测方法。

一、什么是推荐系统

推荐系统通过不同方式将用户与信息自动联系起来，不同于搜索系统的是，推荐系统使用户在没有明确目的时也能发现感兴趣的新内容。个性化推荐系统是主流，它在电子商务、电影视频、音乐网站、社交网络、LBS服务、邮件个性化及个性化广告等多个领域发挥重要作用。

二、推荐系统的评测

推荐系统的成功评测需满足网站、内容提供方和用户三方的利益。评测指标不仅包括预测准确度，还应考虑增加潜在销量。评测方法包括离线实验、用户调查和在线实验。核心评测指标除了用户满意度外，还包括预测准确度、覆盖率、多样性、新颖性、惊喜度、信任度、实时性、健壮性和商业目标。其中预测准确度和覆盖率尤为重要，能评价推荐系统是否能挖掘长尾商品并准确预测用户兴趣。

三、利用用户行为数据的推荐

推荐系统利用用户行为数据来预测兴趣，这些行为可分为显性和隐性。协同过滤算法依据这些数据为用户推荐物品，分为基于用户和基于物品的协同过滤。基于用户的算法通过计算用户之间的兴趣相似度，基于物品的算法则看物品相似度。改进算法性能的方法包括对热门物品和活跃用户的行为做惩罚，以及利用归一化提高推荐的覆盖率和多样性。不同网站根据用户兴趣的稳定性和更新速度选择不同类型的协同过滤算法。