推薦系統的評測指標

**準確度度量乙個推薦系統或者推薦演算法**使用者行為的能力。這個指標是最重要的推薦系統離線評測指標，從推薦系統誕生的那一天起，幾乎99%與推薦相關的**都在討論這個指標。這主要是因為該指標可以通過離線實驗計算，方便了很多學術界的研究人員研究推薦演算法。

但是上面的定義過於粗略。覆蓋率為 100% 的系統可以有無數的物品流行度分布。

在資訊理論和經濟學中有兩個著名的指標可以用來定義覆蓋率。第乙個是資訊熵：

這裡 p(i) 是物品 i 的流行度除以所有物品流行度之和。

第二個指標是基尼係數（ gini index ）：

這裡， i j 是按照物品流行度 p() 從小到大排序的物品列表中第 j 個物品。

介紹了很多評測指標，但是在評測系統中還需要考慮評測維度，比如乙個推薦演算法，雖然整體效能不好，但可能在某種情況下效能比較好，而增加評測維度的目的就是知道乙個演算法在什麼情況下效能最好。這樣可以為融合不同推薦演算法取得最好的整體效能帶來參考。

一般來說，評測維度分為如下 3 種。

 使用者維度主要包括使用者的人口統計學資訊、活躍度以及是不是新使用者等。

 物品維度包括物品的屬性資訊、流行度、平均分以及是不是新加入的物品等。

 時間維度包括季節，是工作日還是週末，是白天還是晚上等。