uir_
rui
是使用者u對物品i的實際評分，而r^u
i\hat_
r^ui
是推薦系統給出的**評分，則rmse定義為：
mae定義為：
topn推薦
此方法一般不考慮評分，而是為使用者提供乙個個性化推薦列表，通過**使用者對物品的興趣度對列表進行排序，選取其中前n個物品推薦給使用者，通常用於電子商務、社交網路、網際網路廣告推薦。
topn推薦一般通過準確率（precision）、召回率（recall）和f1值（平衡分數）度量。令r(u
)r(u)
r(u)
是為使用者推薦的物品列表，t(u
)t(u)
t(u)
是使用者在測試集上的行為列表。
召回率定義為：
準確率定義為：
f1值定義為：
基於內容
協同過濾
基於矩陣分解：
基於知識：
基於模型：
參考：1.
推薦演算法綜述（二）
協同過濾 cf 推薦演算法通過在使用者活動中尋找特定模式來為使用者產生有效推薦。它依賴於系統中使用者的慣用資料，例如通過使用者對其閱讀過書籍的評價可以推斷出使用者的閱讀偏好。這種演算法的核心思想就是 如果兩個使用者對於一些項的評分相似程度較高，那麼乙個使用者對於乙個新項的評分很有可能類似於另乙個使用...
推薦系統綜述 只談感受不談理論
1 推薦系統的概念 推薦系統是一類能夠向使用者推薦定製化資訊的系統的統稱。推薦系統的核心是 個性化 所謂個性化就是指向使用者提供為其 量身定做 的資訊。當然，資訊本身是客觀存在的，推薦系統要做的只是將合適的資訊適時地推送給特定使用者。推薦系統的背景是 大資料 目前幾乎所有的推薦系統處理的都是海量的 ...
推薦系統的探索與利用問題綜述
目標與建模 所以我們的目標就是在有限的n次選擇中盡量使得累計遺憾最低 text r sum w w textr t text w textw text text r t sum 0 text upper confidence bound，即置信區間上界 置信區間可以簡單直觀地理解為不確定性的程度，區...