《推荐系统实践》学习笔记_1 概念

1.1.推荐系统不需要用户提供明确的需求，而是通过分析用户的历史行为给用户的兴趣建模，从而主动给用户推荐能够满足他们兴趣和需求的信息。

1.2推荐方式:(1)社会化推荐   (2)基于内容的推荐   (3)基于协同过滤

1.3推荐系统的应用:(1)电子商务

个性化推荐列表	基于物品的推荐算法,给用户推荐那些和他们之前喜欢的物品相似的物品
相关推荐列表

 (2)电影和视频网站   ---基于物品的推荐算法

(3)个性化音乐网络电台

(4)社交网络

(5)个性化阅读

(6)基于位置的服务

(7)个性化邮件

(8)个性化广告

1.4推荐系统评测

预测准确度是推荐系统领域的重要指标

1.4.1 推荐系统实验方法

(1)离线实验(offline experiment)

(2)用户调查(user study)

(3)在线实验(online experiment)---AB测试：通过一定的规则将用户随机分成几组，并对不同的用户采用不同的算法，然后通过统计不同组用户的各种不同的评测指标比较不同算法(切分流量是AB测试的关键)

1.4.2 评测指标

(1)用户满意度---点击率、用户停留时间、转化率等

(2)预测准确度

评分预测	均方根误差(RMSE)和平均绝对误差(MAE)
TopN推荐	准确率(precision)/召回率(recall)

(3)覆盖率：信息熵、基尼系数

推荐系统的初衷是希望消除马太效应，而评测推荐系统是否具有马太效应的简单方法就是使用基尼系数

(4)多样性

(5)新颖性

(6)惊喜度

(7)信任度

(8)实时性

(9)健壮性