推荐系统常用的评价指标

衡量推荐系统算法的精确度的指标通常有四种：NDCG、Recall、Precision、Hit Rate。

一、NDCG

在搜索和推荐任务中，系统通常会返回一个item的列表，例如，我们检索【推荐排序】的时候，网页返回了一个于推荐排序相关的链接列表，列表可能是[A,
B, C, D, E, F]，也可能是[C, F, A, E, D]，那么如何评价这两个列表哪一个更好呢？

NDCG的全称是Normalized Discounted Cumulative Gain（归一化折损累计增益），他是用来评估排序结果的好坏，在推荐和搜索系统最为常见。

二、Hit Rate

分子是：用户的推荐列表里出现了ground truth的用户数，不在乎推荐对了几个东西，只要推荐对了一个，这个用户就算hit了。

三、Precision

四、Recall

当然还有其他评价指标，比如MAF等，代码实现见：https://github.com/ChadsLee/RS_Zoos/blob/main/utility/metrics.py

当推荐系统训练完成后，采用Top-K方法进行推荐的时候，通常为某用户返回一个item列表，假设列表长度为K，这时可以用NDCG@K评价该排序列表与用户真实交互列表的差距。如下举例：