推荐系统实践笔记1

第1章 好的推荐系统

1.1 什么是推荐系统

1. 面对信息过载的问题，搜索引擎满足了用户有明确需求时的查找需求，推荐系统则帮助没有明确需求的用户发现他们感兴趣的内容
2. 互联网时代，传统的二八原则受到挑战，电子商务网站上长尾商品(即冷门商品)的总销售额不容小看，而个性化推荐系统可以更好的发掘物品的长尾

1.2 个性化推荐系统的应用

1.3 推荐系统评测

1. 推荐系统实验方法

• 离线实验：无法计算商业上关心的指标
• 用户调查：成本和统计意义之间难以控制平衡
• AB测试：周期比较长

2. 评测指标

• 满意度

  • 直接通过满意/不满意的反馈按钮收集
  • 通过点击率、用户停留时间、转化率等指标度量

• 预测准确度

  • 评分预测：RMSE，MAE(绝对值误差)
  • TopN推荐：准确率，召回率

  

• 覆盖率：衡量推荐系统发掘长尾的能力

  • 直接计算推荐物品总数占所有物品的比例
  • 通过研究物品在推荐列表中出现次数的分布来描述，即信息熵/基尼系数

• 多样性：描述推荐物品两两之间的不相似性

• 新颖性 VS 惊喜度：前者仅取决于用户是否听说过推荐结果；后者是在推荐结果和用户历史性趣不相似的情况下，让用户感觉满意

• 信任度、健壮性、商业目标