关于推荐系统的全面调研与探讨！千万别错过！

简单定义来说：推荐系统是一个信息过滤系统，根据用户的历史行为，社交关系，兴趣点，来判断用户当前感兴趣的物品和内容。
其根据不同的目标定义，也会导致不同的推荐结果，从measure上来考虑，包括用户满意度，预测准确度，覆盖率，多样性，新颖性，精细度，实时性，内容时效性，内容质量，商业目标等等。

1. 常用评测指标

1. 用户满意度：用户是推荐系统中非常重要的参与者,他们的满意度也直接决定了推荐系统的好坏.但是用户满意度这个指标无法离线计算,只能通过用户调查或者在线实验获得，一般都是线上行为统计，包括购买率（CVR），点击率（CTR），用户停留时间，转化率等等。

2. 预测准确度：预测准确度是用来度量用户的实际行为与推荐系统预测结果的准确度,该指标是最重要的离线评价指标,因为可以通过离线计算得到.下面是预测准确度最常用的两个指标。

• 评分预测：预测用户对物品的评分行为，这种评分模型的预测准确度一般使用均方根误差（RMSE）和平均绝对误差（MAEÿ