推薦系統 有關recall,precision.實驗總結

recall 爲用戶u推薦N個物品（記爲R（u）），令用戶在測試集上喜歡的物品的集合爲T（u） ，然後計算召回率。召回率描述還有多少比例的用戶-物品評分記錄包含在最終的推薦列表中。所以T（u）是測試集的總長度。 precison 準確率描述最終的推薦列表中有多少比例是發生過的用戶-物品評分記錄。 論文中實例總結，這篇文章將持續更新。 GRU4REC中，計算TOP 20的召回率時，每個session

>>阅读原文<<