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