burstone的专栏

定义：AP（Average Precision），它衡量的是推荐系统对于单个用户的排序质量，AP表示了对一个给定的用户，其推荐列表中相关项目的平均精度。例如，对于一个用户，其真实的兴趣列表中有3个项目，推荐系统为该用户推荐了6个项目：[1, 0, 1, 0, 1, 0]，其中三个1表示用户感兴趣的。可见，AP考虑了推荐列表中项目的位置，因此它是一个“顺序敏感”的指标，即推荐列表中相关项目的位置越靠前，其对AP的贡献越大。通常地，AP值越大，说明推荐系统对于该用户的相关项目排序越靠前，推荐效果越好。

推荐系统的评价指标是用来衡量推荐系统性能的重要工具，它们可以帮助我们了解推荐系统的效果，并指导系统的优化和改进。一些常用的推荐系统评价指标包括准确率、召回率、MAP、NDCG等。

比如，最常见的分类算法使用了point-wise，即一条样本对应一个label(0/1)，根据多条正负样本，使用交叉熵（cross entropy）等方法构建损失函数，来训练模型。在实际应用中，Rank SVM模型会处理更复杂的数据集，包含更多的特征和样本，以实现更准确的排序。其实，在针对实际问题的求解过程中，经常会在point-wise基础上引入一些pairwise的loss，实现两种方法的优缺互补，并且对数据分布进行更为细致的建模。● 缺点：只考虑了样本对的相对顺序，而忽略了整个列表的全局顺序信息。