用于推荐系统评估的概念与指标

在推荐系统中，研究人员为了能让预测结果对用户提供更多价值，会关注用户满意度。鉴于推荐系统除了让用户购买更多的相似产品外，还必须对用户而言“有用”，研究人员还会关注用户在使用系统时的交互体验和消费体验。 目前，研究人员正在通过评估不同的指标来解决这个问题，而不是简单地通过预测准确度和机器学习技术。

推荐系统的性能应该由它为用户产生的价值来衡量。在推荐系统的评估问题上，目前有很多指标，比如说覆盖率、新颖性、多样性、惊喜度。这些评估方法名称各不相同。

有些学者把推荐系统中的新颖性、相关性、惊喜度等称其为“概念（concept ）”，另一些学者则称其为“维度（dimensions）”，还有些人称其为“推荐系统评估的方法（measures of recommender system evaluation）”。

在本文中，我们将使用“概念”一词，指代评估推荐系统时的不同方面。在对现有概念归类后，我们将其分为了六大类：实用性、新颖性、多样性、奇异性、覆盖率、惊喜度和覆盖率。但还有一些概念未提及，如：信任、风险、鲁棒性、隐私、适应性和可扩展性。为了方便读者阅读，我们会把这几大概念用不同的篇幅呈现。

表1总结了本文在所有评估指标中使用的符号。

实用性

推荐系统的实用性有很多别称，例如相关性、有用性、推荐价值和用户满意度等。《推荐系统手册》（Recommender Systems Handbook）认为，实用性代表了用户在推荐时所获得的价值。如果用户喜欢推荐的