推荐系统评估---《推荐系统技术、评估及高效算法》---读书笔记（8）

一、目录组织图（单击图方法）


二、补充笔记1、因为推荐系统的算法多种多样，为了评估算法对数据的是影响，可以采取离线实验，用户调查、在线实验的方式进行。
2、离线实验的目的是过滤掉不恰当的方法，减轻用户调查和在线实验的成本。
3、对于得到的实验数据和统计结果，可以采取统计分析工具，比如t检验，置信度，置信区间等方法。
4、下面的一些指标有些只能在在线实验和用户调查环节得到。
5、预测准确度一般可以使用均方根误差和平均绝对误差表示。
6、覆盖率一般包括物品空间的覆盖率，用户空间覆盖率和冷启动的处理。
7、置信度是指系统在推荐和预测上的可信度。
8、信任度是指用户对系统推荐结果的信任度，只能采取问卷调查的形式进行度量。提升信任度可以采取给出推荐解释，让用户了解推荐系统的运作机制。
9、新颖度是指为用户推荐他们以前没有听说过的物品，一个简单的方法就是过滤掉用户已经评分或使用过的物品。
10、惊喜度是指对用户来说比较新颖的相关信息的量。
11、如果推荐的结果和用户的历史兴趣不相似，但却得到了用户的认可，那么就可以说惊喜度很高，而推荐的新颖性仅仅取决于用户是否听说过这个结果。其实，就是这个结果新颖并且能够得到用户认可，就可以认为是惊喜度高。
12、效用，即对于商城而言，改善它们收入相对于预测准确度而言，更加重要。
13、风险，一些推荐存在风险，尤其是股票，基金等。
14、健壮性是指出现虚假信息下的推荐稳定性。
15、适应性，是指物品集有很大变化或兴趣趋势经常改变的环境下运行。
16、可扩展性，是指随着数据量增大，算法的效能变慢的程度。
17、用户满意度可以通过点击率，用户停留时间和转化率来度量。



图表来源：《推荐系统实践》 项亮 编著。