数据挖掘

一、过滤规则：

①用户已经购买的物品;

②不适合公开展示的商品;

③用户评分过低的商品;

④同型号商品利润高。

 二、命中率：从每名用户数据中删除一个数据，模型训练后为验证模型每名用户生成的头部（N）推荐中是否包含被删除的数据。

三、商品覆盖率：可推荐商品数/所有商品数。

四、多样性：推荐给用户商品列表当中的异质性。

惊喜度：惊奇度·相关性（sere=superise·re(i)(user）)。

superise=max(pi(user-pi(alluser),0)

superise:把某个商品(i)推荐给某个用户的概率与推荐给所有用户的概率之差。

P=n-ranb/n-1 (n:所有商品;rank:推荐的排名)

实施性：对用户进行快捷的计算与运行。