推薦系統實踐筆記1

第1章 好的推薦系統

1.1 什麼是推薦系統

1. 面對資訊過載的問題，搜尋引擎滿足了使用者有明确需求時的查找需求，推薦系統則幫助沒有明确需求的使用者發現他們感興趣的内容
2. 網際網路時代，傳統的二八原則受到挑戰，電子商務網站上長尾商品(即冷門商品)的總銷售額不容小看，而個性化推薦系統可以更好的發掘物品的長尾

1.2 個性化推薦系統的應用

1.3 推薦系統評測

1. 推薦系統實驗方法

• 離線實驗：無法計算商業上關心的名額
• 使用者調查：成本和統計意義之間難以控制平衡
• AB測試：周期比較長

1. 評測名額

• 滿意度
  • 直接通過滿意/不滿意的回報按鈕收集
  • 通過點選率、使用者停留時間、轉化率等名額度量
• 預測準确度
  • 評分預測：RMSE，MAE(絕對值誤差)
  • TopN推薦：準确率，召回率

  

• 覆寫率：衡量推薦系統發掘長尾的能力
  • 直接計算推薦物品總數占所有物品的比例
  • 通過研究物品在推薦清單中出現次數的分布來描述，即資訊熵/基尼系數
• 多樣性：描述推薦物品兩兩之間的不相似性
• 新穎性 VS 驚喜度：前者僅取決于使用者是否聽說過推薦結果；後者是在推薦結果和使用者曆史性趣不相似的情況下，讓使用者感覺滿意
• 信任度、健壯性、商業目标