本文深入探讨了推荐系统的核心评价方法，包括准确度、覆盖度和多样性。通过评分预测、Top-N推荐等技术手段，文章强调了如何有效解决长尾问题，实现商品的全面覆盖和多样化推荐，旨在最大化提升用户体验与商业价值。
推荐系统的评价方法很重要，准确提供用户的需求，尽量全的cover item，看长尾理论，目前长尾市场极具商业价值，而具体实现其价值的方法，主要依赖推荐系统。
具体方式
1.准确度
推荐系统最常用的方式
针对评分预测系统，最小误差或者均方误差
针对Top-N推荐系统，recall and precision
2.覆盖度
推荐系统很重要任务就是解决长尾问题，能打多大比例的物品推荐给用户。
3.多样性
比如喜欢近代情感小说，只推荐辛夷坞，准确率可能高，但是多样性不够，应该多推荐当代作家代表作。
目前系统过滤以及内容过滤的多样性都不够。
定义相似函数，计算list中两两相似度，所以依赖于相似函数，基于内容的相似函数，是内容多样性
扫一扫
2538
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
