推荐系统之评测指标

一、什么是推荐系统

信息量过载问题存在已久，对于信息消费者，从大量的信息中找到自己感兴趣的信息显然是一件非常困难的事情；对于信息生产者，让自己生产的信息能够准确的命中受用人群，也是一件非常困难的事情。推荐系统能够很好地解决信息生产者和消费者这一信息不对称的情况。推荐系统是通过分析用户行为日志对用户兴趣建模，挖掘出用户可能感兴趣的信息并推送给用户，满足用户对信息的需求。推荐系统和搜索引擎不同，推荐系统不需要用户提供明确的信息需求（即搜索引擎的一个查询式），推荐系统往往在用户浏览本网站的时候，就能在网页的某一区域显示一个符合用户兴趣的推荐列表，而这个推荐列表是推荐系统通过分析用户的历史数据得到的。推荐系统对于我们大多数人来说并不陌生，如百度搜索结果页右侧的相关物品推荐（图1是在百度搜索“推荐系统”结果页右侧区域截图）、

 

亚马逊的个性化推荐列表（图2）、

 

当当网的猜你喜欢（图3），

还有社交网站的好友推荐、视频网站的视频推荐、个性化广告投放、个性化阅读等。

为什么推荐系统如此重要，看看下面的数据就明白了。亚马逊的前科学家Greg Linden在曾他的博客说过，在他离开亚马逊的时候，亚马逊至少有20%（之后的一篇博文则变为35%）的销售来自推荐算法。此外，亚马逊的前首席科学家Andreas Weigend在斯坦福的曾办过一次推荐系统的演讲，就听他讲座的同学透露，亚马逊有20%-30%的销售来自推荐系统。而国外视频网站Netflix在其宣传资料中宣称，有</