摘要：

　　1.用户满意度

　　　　在线测评方法

　　2.预测准确率

　　  2.1评分预测

　　  2.2TopN推荐

　　3.覆盖率（coverage）

　　4.多样性

　　5.新颖性　　

内容：

1.用户满意度

　　　在线测评方法：主要通过用户行为的统计（点击，停留时间，转化率）或者通过用户反馈（满意，不满意）

　　2.预测准确率

　　  2.1评分预测

　　　定义：预测用户对物品的评分的行为

　　　指标：
　　　　均方根误差（RMSE）：

　　　　平均绝对误差（MAE）：

　　　其中Rui是用户u对物品i的实际评分，hat(Rui)是推荐系统预测的用户u对物品i的预测评分；|T|是总记录数

　　  2.2TopN推荐

　　　定义：TopN推荐是通过给用户一个前N个喜好物品的推荐列表，TopN推荐的预测率一般通过准确率（precision）/召回率（recall）度量

　　　指标：

　　　　准确率：

　　　　召回率：

　　　　其中R(u)是根据用户在训练集中的行为给出的推荐列表，T(u)是根据用户在测试集中的行为给出的推荐列表

　　　　预测率：

　　　　 rate = Precision / Recall

　　3.覆盖率（coverage）

　　　定义：度量了一个推荐系统挖掘长尾商品的能力

　　　指标：

　　　　指标1：

　　　　其中U是用户集合，I是物品集合，R(u)是为用户u推荐的N个物品的集合

　　　　统计分布的指标：

　　　　信息熵：

　　　　，其中p(i)是物品i的流行度比上所有物品的流行度

　　　　基尼系数：

　　　　其中p(Ij)是降序的物品流行度字典的第j个物品的流行度

　　4.多样性（Diversity）

　　　　定义：推荐系统中物品两两之间的不相似性

　　　　指标：

　　　　　用户u的推荐列表R(u)的多样性：

　　　　  ，其中s(i,j)是物品i,j的相似度

　　　　　推荐系统的整体多样性：

　　　　　，即所有用户推荐列表多样性的平均值

　　5.新颖性

　　　　  定义：给用户推荐以前没有接触过的物品的度量

　　　　  指标：平均流行度（越高，新颖性越低）

我的python代码：https://github.com/Tongzhenguo/Python-Project/tree/master/recommendsys/measurement_index

推荐系统常用测评指标