【摘要】：目前大多数推荐系统的评价指标有预测准确度［60］、覆盖率、召回率、多样性［61］、ROC等［62］，文献［63］从准确度、多样性、新颖性及覆盖率等5个方面进行多角度阐述，细分为27个评价指标，并对各自的优缺点以及适用环境进行了深入的分析。其中准确度是最重要也是最常用的推荐系统评测指标，用来度量推荐系统预测的能力。表10-2推荐系统评价指标（续表）以上都是一些实验性指标，有一定的局限性。
随着推荐系统应用的深入和发展，基于这些基本方法的改进算法不断被提出。 目前大多数推荐系统的评价指标有预测准确度［60］、覆盖率、召回率、多样性［61］、ROC（receiver operating characteristic）等［62］，文献［63］从准确度、多样性、新颖性及覆盖率等5个方面进行多角度阐述，细分为27个评价指标，并对各自的优缺点以及适用环境进行了深入的分析。如表10-2所示。其中准确度是最重要也是最常用的推荐系统评测指标，用来度量推荐系统预测的能力。对于top N推荐，用准确率（precision）和召回率（recall）来评测推荐系统。
表10-2 推荐系统评价指标
(www.xing528.com)
（续表）
以上都是一些实验性指标，有一定的局限性。这些都是基于用户选择打分的测试数据，如很可能用户只选择那些他们喜欢的项目进行打分，是一个倾斜样本，实验在无偏见随机样本测试推荐质量是很低的［64］。为了真正理解提出的推荐方法的利弊，很有必要进行高质量的实验。因此，可以开发面向经济的衡量指标来捕获推荐的业务价值，如投资回报率（return on investments， ROI）和客户生命周期（customer lifetime value， LTV）度量［65，66］。除了以上提到的评测指标，还有一些未量化的指标：用户满意度、实时性（real-time）、健壮性（robust）、自适应性（adaptivity）［ 62］、隐私性（privacy）［ 67］等。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
