新推荐系统必须具备什么样的推荐质量才能具有竞争力？现代推荐引擎有多好？
通过“推荐质量”我的意思是以下。比方说，推荐系统提供了用户X项目。之后我问他，他或她真的喜欢多少人（可能会购买），结果表明他喜欢他们中的Y.建议质量为Y/X（最佳可能值为1，这意味着用户喜欢所有推荐的项目）。
什么质量的建议做
推荐系统拥有约？
更新1：Here（第64页）作者写道，2007年Netflix奖最高的2个算法分别实现了0.8914和0.8990的RMSE。
RMSE的定义可以在第63页找到，但我没有明白它的含义。
你实际上在问一个很有意思的问题。学术界对于a）甚至意味着什么是“良好”的建议，以及b）用于预测准确度的指标以及其他评估措施，仍存在热烈的争论。
你问：
不平均，最好的推荐系统有什么质量推荐的约？
答案是 - 它取决于很多不同的事情。简而言之，推荐系统通常没有真正的“平均”或“最佳”，但您可以找到特定推荐系统的基准 - 例如电影推荐系统。
为了帮助给你多一点背景：
均方根误差作为预测精度的测量。即给定一套物品（面包，牛奶，咖啡，橙汁），系统能够如何预测我对这些物品的评分，或者它能够预测我将如何购买这些物品。
当您有一组用户对一组项目的预测评分时，您可以使用RMSE，并且您也对这些项目有实际评分。您通常会在真实数据集的“离线”实验中使用RMSE。在这个过程中，你会“隐藏”一些真实的评级，看看系统是否可以预测隐藏的评级。 RMSE的“错误”部分是预测评级与实际评级之间的差异。然后每个错误先被平方，然后这个用户的项目集合中这些错误的平均值取平均值部分，然后取平方根（名称的根部分）。由于RMSE首先对误差进行平方，与其他准确度度量（如平均绝对误差（MAE））相比，它会不成比例地惩罚较大的误差。
作出一个很好的建议，而不仅仅是做出准确的预测。这就是为什么没有标准/平均数字。有一系列不同的指标可用于准确性，然后准确性只是衡量推荐系统效率的一小部分，而其他部分都有多个指标可供使用！这也取决于你推荐的物品。推荐某人与某人约会，与推荐在线购买什么食物几乎没有什么相同之处。我已经看到0.8+ RMSE的电影推荐者得分和0.2+ RMSE推荐工作的得分。
我建议你阅读下面的文件，如果你想获得更好的（没有数学）欣赏到评估推荐系统的复杂性：
Herlocker，Konstan，Terveen，Diedl - “评估协同过滤推荐系统” （2004） - 是一篇很好的论文，开始欣赏可用于评估RS性能的不同方法。
另一个好纸麦克尼，里德尔和Konstan - “精度不总是好的：如何准确度量有伤害推荐系统”（2006年）
对于一个好的，快速，彻底定制的推荐引擎，我可能会建议http://www.sajari.com。它提供了根据地区，流行度，数据相似性，新近程度和更多因素推荐来自给定数据集的建议结果的能力 - 从本质上定制您自己的推荐引擎。一个好的推荐系统至少需要这些东西具有竞争力，海事组织，最重要的是它不是一个黑匣子，你可以控制输出。
不像你认为的二进制，netflix竞争中的预测分数是1,2,3,4,5（netfix中使用的五星评级）。那么使用RMSE作为评估指标是有意义的。 – greeness 2014-11-24 14:38:40
@greeness有没有办法以可访问（非数学）的方式来解释这些指标？这是什么意思，如果算法的RMSE为0？这是什么意思，如果RMSE为1？ – 2014-11-24 14:51:05
RMSE = 0意味着每个预测分数都是黄金的精确匹配。假设您有三部电影，其得分分别为r1 = 2，r2 = 3，r3 = 5。如果你的预测正好是p1 = 2，p2 = 3，p3 = 5（'r'为黄金评级，'p'为预测），你得到的RMSE评分为0.然而，如果你的预测是p1 = 1，p2 = 4，p3 = 4，则得到总平方误差1^2 + 1^2 + 1^2 = 3，RMSE = sqrt（3/3）= 1。所以如果平均而言，每个评级都偏离黄金级1，你得到1的RMSE误差。 – greeness 2014-11-24 14:57:28