什么是推荐系统
章内公式总结
% MathType@MTEF@2@1@+=
% feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn
% hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr
% 4rNCHbWexLMBbXgBd9gzLbvyNv2CaeHbl7mZLdGeaGqiVu0Je9sqqr
% pepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9vqaqpepm0xbba9pwe9Q8fs
% 0=yqaqpepae9pg0FirpepeKkFr0xfr=xfr=xb9adbaqaaeGacaGaai
% aabeqaamaabaabauaakeaacaWGsbGaamytaiaadofacaWGfbGaeyyp
% a0ZaaOaaaeaadaWcaaqaamaaqaeabaWaaSbaaSqaaiaadwhacaGGSa
% GaamyAaiabgIGiolaadsfaaeqaaOGaaiikaiaackhadaWgaaWcbaGa
% amyDaiaadMgaaeqaaOGaeyOeI0IabiOCayaajaWaaSbaaSqaaiaadw
% hacaWGPbaabeaakiaacMcadaahaaWcbeqaaiaaikdaaaaabeqab0Ga
% eyyeIuoaaOqaamaaemaabaGaamivaaGaay5bSlaawIa7aaaaaSqaba
% aaaa@583B@
\[RMSE=\sqrt{\frac{\sum{_{u,i\in T}{{({{r}_{ui}}-{{{\hat{r}}}_{ui}})}^{2}}}}{\left| T \right|}}\]
RMSE:评分预测准确度量度(之一)
T:选取的样本的总的数目。
u:用户。
i:物品。
:用户u对物品i的实际评分。
:推荐算法给出的预测评分。
MAE:评分预测准确度量度(之二)
Recall:召回率,或许理解为查全率更好一些。
R(u):用户在训练集上的行为给用户作出的个性化推荐列表。
T(u):用户在测试集上的行为列表
准确率:
覆盖率:
(该公式定义过于粗略)
覆盖率描述一个推荐系统对物品长尾的发掘能力。
I:代表着总的物品的数目。
严格定义覆盖率:(1)香农信息熵
P(i):物品i的流行度初一所有物品流行度之和
(2)
基尼系数
:按照物品流行度p()从小到大排序的物品列表中的第j个物品。
多样性:
用户u的推荐列表的多样性
S(I,j):物品i和j之间的相似度。
所有用户推荐列表多样性的平均值。