第一章
- 什么是推荐算法？
推荐算法是用于解决信息过载问题的方法，链接无明确需求的用户与物品的工具。
- 个性化推荐
依赖于用户行为。大多数包括：前台展示页，后台日志系统以及推荐算法系统。应用情景是：存在信息过载 & 大多数时候人们没有明确需求。可以用在：电子商务，电影与视频，音乐or电台，社交网络，阅读，基于定位的服务，广告等等
- 推荐系统测评
重要指标：推荐准确度。但是准确不代表推荐系统好。比如，预测明天太阳从东边升起。
好：能准确预测行为，扩展视野，发现可能感兴趣却不容易发现的东西。《长尾理论》
试验方法：offline experiment ， user study， online experiment（AB测试）
测评指标：用户满意度，预测准确度【评分预测（RMSE，MAE），TopN推荐（precision，recall），覆盖率（信息熵，基尼系数，马太效应），多样性，新颖性，惊喜度（不相似但满意），信任度，实时性（news，cold start），健壮性（模拟攻击，去噪），商业目标】总的来说是保持覆盖度，新颖度和多样性的情况下，准确率最大化。
测评维度：用户维度，物品维度，时间维度
