1、模型的可擴充套件性
有些模型如協同過濾演算法，該演算法原理比較簡單也比較有效，但是由於其計算的複雜度導致其不能應用在大規模資料集上。
2、模型中的學習方法
學習速率和步長的選擇會影響到模型訓練和收斂速度，過大/過小的學習速率和步長容易陷入區域性最優解。
3、取樣策略
常用的模型訓練需要的是正態分佈的資料，但是常見的推薦系統資料集的資料分布式非正態的，正樣本（評分較高）居多，主要是由於使用者更傾向於反饋自己喜歡的東西。設計負取樣策略也是提高推薦準確性的重要手段
4、模型的穩健性
通常都是假設使用者的資料是可信的，即沒有使用者作弊，但是現實情況會有一些使用者惡意攻擊系統，如何設計出較強穩健性的模型也是要考慮的問題。
1、準確性
準確性是評估推薦效能的重要指標，即推薦結果是不是使用者真正感興趣的物品，有些模型在離線評估時表現良好，但是線上測試表現較差，如果縮小線上評估和線下評估（學術和工業界）的差異也是乙個重要的研究方向
2、可重現性
現有的推薦演算法眾多紛紜，但有些演算法提出之初沒有開源且文獻中表達不夠細緻，真實可復現的難度較大。
3、多樣性和新穎性
僅給使用者推薦其互動過的物品無法最大化使用者的滿意度，適當的多樣性和新穎性可以滿足使用者的獵奇心理，提高使用者對推薦系統的滿意度。
4、可解釋性
以上都是在評估推薦系統的準確性，但是推薦模型就像乙個黑盒，使用者是難以理解的，如何給使用者乙個合理的推薦理由來介紹為何推薦該商品，可以提高使用者的滿意度和對系統平台的信任度。
郭貴冰 - 推薦系統進展方法與技術
推薦系統實踐 好的推薦系統
一 好的推薦系統 1.什麼是推薦系統 從某種意義上說，推薦系統和搜尋引擎對於用語來說是兩個互補的工具。搜尋引擎滿足了使用者有明確目的時的主動查詢需求，而推薦系統能夠在使用者沒有明確目的的時候幫助他們發現感興趣的內容。分為社會化推薦，基於內容的推薦和基於協同過濾的推薦。目前廣告投放的技術主要分三種 上...
推薦系統 推薦系統的常用演算法概述
前一陣子準備畢業 的開題，一直在看推薦系統相關的 對推薦系統有了乙個更加清晰和理性的認識，也對推薦演算法有了深入了解。藉此機會總結分享一下，大家多多拍磚。推薦系統的出現 隨著網際網路的發展，人們正處於乙個資訊 的時代。相比於過去的資訊匱乏，面對現階段海量的資訊資料，對資訊的篩選和過濾成為了衡量乙個系...
有名的推薦系統 推薦系統理論
前面我們都一直在講各種資料結構和重點排序演算法，今天我們來換一種口味吧，那就是有名的推薦演算法 1 推薦演算法 實際上解決推薦這個問題，不需要太多的理論,解決思路的核心思想非常簡單,a 乙個是基於使用者進行推薦 換種說法就是尋找和你口味差不多的人,進行相互推薦 b 乙個是基於商品進行推薦,換句話說就...