(1)准确率(Precision)
Precision为最终生成的推荐列表中用户感兴趣的项目集合与所有已推荐项目
的比例关系,描述的是在所有推荐出来的项目中,有多少项目是用户真正感兴趣的。如公式1
(1)
(2)召回率(Recall)
Recall为最终生成的推荐列表中用户感兴趣的项目集合与所有用户感兴趣项目
的比例关系,描述的是在所有用户感兴趣的项目中,有多少项目被推荐了出来。
(2)
(3)命中率(HR)
HR为在最终生成的推荐列表中推荐出来的项目与总测试集中总项目的占比关系。表示在所有测试集中,有多少项目最终被推荐了出来。
(3)
(4)归一化折损率(NDCG)
如公式(4)推荐列表的排名情况用累积增益表示,由于实际推荐需要将推荐相关性高的结果排在前面,因此需要在
的基础上引入位置影响因素,如式(5)所示用折损累积增益
表示,推荐列表中用户返回的最佳推荐结果即
的最大值用
表示,需要对其做归一化处理,则最终的归一化折损累积增益(NDCG)如式(6)所示。
(4)
(5)
(6)