推荐系统研究中常用的评价指标

一、概述

最常用的推荐质量度量方法可以划分为三类：

1、对预测的评分进行评估，适用于评分预测任务

2、对预测的item集合进行评估，适用于Top-N推荐任务

3、按排名列表对推荐效果加权进行评估，既可以适用于评分预测任务也可以用于Top-N推荐任务

这三类度量方法对应的具体评价指标分别为：

（a）评分预测指标：平均绝对误差（MAE）、均方误差根(RMSE)、标准化平均误差(NMAE)、覆盖率(Coverage)

（b）集合推荐指标：精密度(Precision)、召回(Recall)、ROC和AUC

（c）排名推荐指标：half-life、discount cumulat

 

二、常用的评估指标

1、quality of the predictions：

1.1）平均绝对误差（Mean Absolute Error，MAE）

1.2）均方根误差（Root Mean Squared Error，RMSE）

1.3）覆盖率（Coverage）

2、quality of the set of recommendations

由于数据稀疏和冷启动问题的存在，有时直接预测用户对item的评分是困难的，为此提出了Top-N推荐方法。即不预测用户对item的评分，而是根据user-item的隐式交互（例如点击、收藏）来生成一组用户最有可能喜欢的items集合推荐给用户。

2.1）Prection：表示推荐项目总数中相关推荐项目的