读书笔记-推荐系统实战：第一章

1.1什么是推荐系统

推荐系统是联系用户和信息的桥梁，帮助用户发现有用的信息，帮助信息展现给需要它的用户。

推荐系统的基本任务是联系用户和信息，解决信息过载的问题。

推荐系统的应用方法有6种：基于内容的推荐，基于协同过滤的推荐，基于社区的推荐，基于人口统计学的推荐，基于知识的推荐以及混合推荐系统等。其中最常用的是前三种：

1.2 个性化推荐系统的应用

个性化推荐系统需要依赖用户的行为数据，通过分析大量用户行为日志，给不同的用户提供不同的个性化页面展示。

组成方式：前台展示页面+后台日志系统+推荐算法系统

1.3 推荐系统测评

一个推荐系统主要存在三个参与方：用户、物品提供者和提供推荐系统的网站。

一个好的推荐系统要能够预测用户的行为、扩展用户的视野，并且帮助用户发现不容易发现的东西。同时协助商家将那些长期埋没在长尾中的商品介绍给可能会感兴趣的用户。

具体指标：准确度+覆盖度+新颖度+惊喜度+信任度+透明度

推荐系统中三种有效的测评试验方法：离线实验、用户调查、在线实验

1. 离线实验
离线实验的方法一般由如下几个步骤构成：

(1) 通过日志系统获得用户行为数据，并按照一定格式生成一个标准的数据集
(2) 将数据集按照一定的规则分成训练集和测试集
(3) 在训练集上训练用户兴趣模型，在测试集上进行预测
(4) 通过事先定义的离线指标评测算法在测试集上的预测结果

2.用户调查

需要有一些真实用户，让他们在需要测试的推荐系统上完成一些任务。在他们完成任务时，我们需要观察和记录他们的行为，并让他们回答一些问题。最后，我们需要通过分析他们的行为和答案了解测试系统的性能.

3.AB测试

是一种很常用的在线评测算法的实验方法。它通过一定的规则将用户随机分成几组，并对不同组的用户采用不

同的算法，然后通过统计不同组用户的各种不同的评测指标比较不同算法，比如可以统计不同组用户的点击率，通过

点击率比较不同算法的性能。

推荐系统的测评指标

用户满意度+预测准确度+覆盖率+多样性+新颖性+惊喜度+信任值+实时性+健壮值

其中预测准确度又被分为：评分预测和TopN推荐