为了评估推荐算法的好坏需要各方面的评估指标。
对用户u推荐N个物品（记为R(u)），令用户u在测试集上喜欢的物品集合为T（u）
准确率
准确率就是最终的推荐列表中有多少是推荐对了的。描述最终的推荐列表中有多少比例是发生过的用户-物品评分记录。
召回率
召回率就是推荐对了的占全集的多少。描述有多少比例的用户-物品评分记录包含在最终的推荐列表中。
下图直观地描述了准确率和召回率的含义
-
覆盖率
覆盖率表示推荐的物品占了物品全集空间的多大比例。最简单的覆盖率的定义如下：
新颖度
新颖度是为了推荐长尾区间的物品。用推荐列表中物品的平均流行度度量推荐结果的新颖度。如果推荐出的物品都很热门，说明推荐的新颖度较低，否则说明推荐结果比较新颖。