가중치 측정 기준 집합을 기준으로 항목과 비슷한 처음 10 개 항목을 추천하는 추천 시스템을 구축했습니다. 지금은 모든 항목을 선택하고 시스템은 선택한 항목과 비슷한 처음 10 개의 항목을 보여줍니다. 그런 시스템을 평가하는 데 사용할 수있는 평가 기술에 혼란 스럽습니다. 정밀도/회상 추정치는 관련 사용자가없는 경우에 적합합니까? 그러한 시스템에 대한 평가 기술에 대한 조언은 많은 도움이 될 것입니다.유사성 기준을 기반으로 한 추천 시스템 평가
정밀도와 회귀성을 평가하려면 입력에 대해 올바른 답이 필요합니다. 이 경우의 정답은 가장 유사한 항목 또는 10 개의 유사한 항목의 정확한 순서 목록을 의미 할 수 있습니다. 그런 다음 알고리즘의 출력을 정답과 비교할 수 있습니다. 이 정보가 주어지면 배우기, 즉 정답에 더 가깝도록 알고리즘을 조정할 방법이 필요합니다. 알고리즘의이 업데이트 부분은 실제 사용자와 함께 시스템을 실행할 때도 사용할 수 있습니다. 실제 사용자에게 10 개의 관련 항목을 표시하고 사용자가 그 중 하나를 선택하면 해당 가중치를 업데이트해야합니다. 사용자는 다음에 높은 순위를 얻습니다. 사용자를 프로파일 링하고 클러스터링하면 다른 범주의 사용자가 주어진 항목과 관련하여 서로 다른 관련 항목을보아야하므로이 작업은 더욱 심화 될 수 있습니다.