读书笔记 -- 推荐系统实践(1)

本文介绍推荐算法的基础概念,包括其目的、应用场景及评价标准。强调推荐算法不仅能准确预测用户行为,还能帮助用户发现潜在兴趣。文章还探讨了推荐系统的评估方法,如离线实验、用户研究及在线实验,并列举了多项关键评估指标。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

第一章

  • 什么是推荐算法?
    推荐算法是用于解决信息过载问题的方法,链接无明确需求的用户与物品的工具。
  • 个性化推荐
    依赖于用户行为。大多数包括:前台展示页,后台日志系统以及推荐算法系统。应用情景是:存在信息过载 & 大多数时候人们没有明确需求。可以用在:电子商务,电影与视频,音乐or电台,社交网络,阅读,基于定位的服务,广告等等
  • 推荐系统测评
    重要指标:推荐准确度。但是准确不代表推荐系统好。比如,预测明天太阳从东边升起。
    好:能准确预测行为,扩展视野,发现可能感兴趣却不容易发现的东西。《长尾理论》
    试验方法:offline experiment , user study, online experiment(AB测试)

    测评指标:用户满意度,预测准确度【评分预测(RMSE,MAE),TopN推荐(precision,recall),覆盖率(信息熵,基尼系数,马太效应),多样性,新颖性,惊喜度(不相似但满意),信任度,实时性(news,cold start),健壮性(模拟攻击,去噪),商业目标】总的来说是保持覆盖度,新颖度和多样性的情况下,准确率最大化。
    测评维度:用户维度,物品维度,时间维度
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值