摘要：
1.用户满意度
在线测评方法
2.预测准确率
2.1评分预测
2.2TopN推荐
3.覆盖率（coverage）
4.多样性
5.新颖性
内容：
1.用户满意度
在线测评方法：主要通过用户行为的统计（点击，停留时间，转化率）或者通过用户反馈（满意，不满意）
2.预测准确率
2.1评分预测
定义：预测用户对物品的评分的行为
指标：
均方根误差（RMSE）：
平均绝对误差（MAE）：
其中Rui是用户u对物品i的实际评分，hat(Rui)是推荐系统预测的用户u对物品i的预测评分；|T|是总记录数
2.2TopN推荐
定义：TopN推荐是通过给用户一个前N个喜好物品的推荐列表，TopN推荐的预测率一般通过准确率（precision）/召回率（recall）度量
指标：
准确率：
召回率：
其中R(u)是根据用户在训练集中的行为给出的推荐列表，T(u)是根据用户在测试集中的行为给出的推荐列表
预测率：
rate = Precision / Recall
3.覆盖率（coverage）
定义：度量了一个推荐系统挖掘长尾商品的能力
指标：
指标1：
其中U是用户集合，I是物品集合，R(u)是为用户u推荐的N个物品的集合
统计分布的指标：
信息熵：
，其中p(i)是物品i的流行度比上所有物品的流行度
基尼系数：
其中p(Ij)是降序的物品流行度字典的第j个物品的流行度
4.多样性（Diversity）
定义：推荐系统中物品两两之间的不相似性
指标：
用户u的推荐列表R(u)的多样性：
，其中s(i,j)是物品i,j的相似度
推荐系统的整体多样性：
，即所有用户推荐列表多样性的平均值
5.新颖性
定义：给用户推荐以前没有接触过的物品的度量
指标：平均流行度（越高，新颖性越低）
我的python代码：https://github.com/Tongzhenguo/Python-Project/tree/master/recommendsys/measurement_index