hi,dear 大佬
在召回中评价筛出来的item是不是符合要求,除了HR外还可以看MAP或NDCG,这俩效果差不多,
主要是考察命中的item是不是靠前,都是越靠前(MAP/NDCG越大)越好.
For Video Recommendation in Deep learning QQ Group 277356808
For Visual in deep learning QQ Group 629530787
I'm here waiting for you
公式如下,来源于一个github小项目
这也是一般常见的定义和概念,其中的half是根据item点击次数的中间值来做的,
如果推荐的item的点击次数小于前面的中间值,说明推荐的效果好点,为何这样说?
这是因为这个小项目的目的在于减少头部影响,多推出点击次数少的item,这也是降低马太效应的一种衡量指标。
这是我的理解。
代码就很简单了,不再附。