推荐系统评测指标

1. 用户满意度

    用户作为推荐系统的重要参与者，其满意度是评测推荐系统的最重要指标。但是，用户满意度没有办法离线计算，只能通过用户调查或者在线实验获得。

2. 预测准确度

    度量一个推荐系统或者推荐算法预测用户行为的能力。这个指标是最重要的推荐系统离线评测指标，包括：

        评分预测

        TopN预测

3. 覆盖率

    描述一个推荐系统对物品长尾的发掘能力。覆盖率有不同的定义方法，最简单的定义为推荐系统能够推荐出来的物品占总物品集合的比例

4. 多样性

    推荐结果需要具有多样性

5. 新颖性

    指给用户推荐那些他们以前没有听说过的物品

6. 惊喜度

    提高推荐结果的用户满意度，同时降低推荐结果和用户历史兴趣的相似度

7. 信任度

    对推荐系统的信任程度

8. 实时性

    实时地更新推荐列表来满足用户新的行为变化；推荐系统需要能够将新加入系统的物品推荐给用户

9. 健壮性

    推荐系统抗击作弊的能力

10. 商业目标

    对于可以离线优化的指标，我个人的看法是应该在给定覆盖率、多样性、新颖性等限制条件下，尽量优化预测准确度。用一个数学公式表达，离线实验的优化目标是：
        最大化预测准确度
        使得 覆盖率 > A
                多样性 > B
                新颖性 > C
其中，A、B、C的取值应该视不同的应用而定。

参考文献：

    《推荐系统实践》