如何评估基于内容的推荐系统

问题描述

| 我正在构建一个基于内容的电影推荐系统。很简单，只要让用户输入电影标题，系统就会查找具有最相似功能的电影。 在计算相似度并按降序对分数进行排序后，我找到了相似度最高的5个对应电影，并返回给用户。 到目前为止，当我要评估系统的准确性时，一切工作都很好。我在Google上发现的一些公式只是根据评分值（比较预测评分和实际评分（如RMSE））来评估准确性。我没有将相似度分数更改为等级（从1到5），所以我无法应用任何公式。 您能否建议将相似度得分转换为预测评分的任何方法，以便我可以应用RMSE？还是有解决此问题的想法？     

解决方法

        你有地面真理吗？例如，您是否掌握有关用户过去喜欢/看过/买过的电影的信息？它不一定是一个等级，但是为了评估推荐，您需要了解一些有关用户偏好的信息。 如果这样做，除了RMSE以外，还有其他方法可以测量精度。当我们预测收视率时（如您所说的是真实收视率与预测之间的误差），将使用RMSE，但在您的情况下，您将生成前N个建议。在这种情况下，您可以使用精确度和召回率来评估您的建议。它们在信息检索应用程序中非常常用（请参阅Wikipedia），在推荐系统中也很常见。您还可以计算F1指标，它是精度和查全率的谐波平均值。您会看到它们是非常简单的公式，并且很容易实现。 Guy Shani撰写的“评估推荐系统”是一篇很好的论文，介绍了如何评估推荐系统，并将为您提供所有这些方面的深刻见解。您可以在这里找到论文。