APP推广合作
联系“鸟哥笔记小乔”
如何衡量推荐系统的好坏?
2019-02-24 22:00:00

上篇文章从非技术的角度写了一些推荐系统相关的理论知识,没看过的可以先去回顾下前情提要。


一文带你掌握推荐系统

 

上篇文章有部分内容是关于推荐系统数据指标的,当时主要是从《推荐系统实践》那本书里直接搬运过来的,没有详细展开,所以就再补一篇如何衡量推荐系统好坏的文章。

 

之前我们提到推荐系统存在有一个非常重要的前提,那就是信息过载,我们想做的事情是在满足用户个性化需求的基础上,充分挖掘长尾资源,提升整体资源利用效率。

 

如果把整体资源看作待开采的宝藏,那推荐系统就可以看作是矿机,要做的事情就是不断的挖掘宝藏,发挥宝藏应有的价值。

 

从这个角度来看,衡量推荐系统做的好不好可以从两方面来评估。

 

一方面是推荐系统本身做的好不好,开采效率高不高,另一方面就是推荐系统还能好多久,毕竟宝藏的开采也是需要长期可持续发展的。

 

下面我们分别从做的好不好与还能好多久这两个角度来看下如何衡量推荐系统的好坏。

 

做的好不好


可以从深度和广度这两个维度来进行评估。

 

先来看深度,主要是衡量推荐系统的结果,通常会有评分准确度、分类准确率、排序指标和商业指标等

 

评分准确度


在讨论这个指标之前,先来说下另一个问题。

 

推荐系统的预测一般分为两种,一种是评分预测,一种是行为预测

 

评分预测是根据用户以往对物品的打分情况,预测用户对新物品的打分,比如用户A之前看过3部电影,这时候想给用户推荐另外一部电影,评分预测就是预测用户A对这部电影可能的打分。

 

行为预测指的是直接预测行为本身发生的概率,比如用户有多大可能性产生点击、购买或者点赞、分享操作。

 

评分准确度是为了评估评分预测是否精准的指标,整体的思路是计算预测值和真实值之间的误差,然后把误差尽可能控制在可接受范围之内。

 

通常情况下会用均方根误差(RMSE)、均方误差(MSE)、平均绝对误差(MAE)来衡量。

 

具体计算方式不赘述,感兴趣的可以自行了解下。

 

分类准确率


主要是针对行为预测的,一般用TopN的准确率和召回率来进行衡量。

 

回率:希望覆盖的案例中,实际被覆盖的有多少

 

比如想从1万条新闻中识别所有的军事类新闻,召回率为80%意味着只识别出来了8000条新闻。

 

准确率:策略覆盖的案例中,真正希望被覆盖的有多少。

 

从1万条新闻中识别出100条军事类新闻,准确率为80%意味着只识别出来了80条军事新闻。

 

召回率和准确率是相互矛盾的,召回率高,准确率可能会低,准确度高,召回率可能会低,需要结合产品阶段和优化目标去找一个合适的平衡点。

 

排序指标


通常采用AUC值, AUC值在数学上等价于模型把关心的那一类样本排在其他样本前面的概率。

 

最大是1,完美结果,0.5就是随机排列,0就是完美地全部排错,最差的是接近0.5。

 

此外还可以通过目标值和AB测试来进行衡量,比如目标值是停留时长,那就用停留时长的大小来进行衡量,线上环境可以通过不同的流量对比效果。

 

商业指标


主要就是我们期望提升的一些目标值,比如

  • 比例类:点击率,转化率,留存率,完播率等;

  • 绝对值类:用户停留时长,GMV(成交金额),社交关系数量等。

 

再来看广度,通常会有覆盖率、失效率、新颖性、更新率、流行度等…


覆盖率


主要指的是推荐系统在多少用户身上成功运用了,比如总共有100W用户,A策略覆盖用户数量是10W,那覆盖率就是10%。

 

通常情况覆盖率为UV覆盖率或者PV覆盖率:

  • UV覆盖率:有效推荐覆盖UV/总UV

  • PV覆盖率:覆盖PV/总PV

 

失效率


主要是衡量不出推荐结果的情况,比如策略A覆盖了10W用户,有1W用户是没有推荐结果的,那对应的失效率就是10%。

 

失效率也分为UV失效率和PV失效率:

  • UV失效率:推荐结果列表长度为0覆盖的UV/整体UV

  • PV失效率:推荐结果列表长度为0覆盖的PV/整体PV

 

新颖性和惊喜性


直观上的理解就是用户没见过(新颖),最好还能是用户感兴趣或者喜欢的(惊喜)。

 

这个时候需要把维度不断的细化,比如细化到主题、分类、标签等,然后再衡量每个维度上用户没见过物品的比例。

 

更新率


主要是衡量每个推荐周期和上个周期相比,推荐列表中不同物品的比例。这个周期,可以是每次刷新,也可以是每天。

 

通常情况下有离线计算、近线计算和实时计算这几种类型,不同类型的的复杂程度和实现成本不同,当然推荐的效果也是不同的…

 

流行度


主要是用来衡量推荐和热门的相似程度,流行度越大,结果就越趋近于全局热门的物品。

 

既然我们想挖掘长尾物品,那肯定不希望热门商品占据了太多的流量。

 

还能好多久


上一部分主要是从推荐本身的角度来衡量的,这部分主要是从全局的角度来衡量,主要有个性化、多样性和基尼系数这几个指标。


个性化


顾名思义就是推荐系统的个性化程度,如果没有很大差异的话,一方面推荐效果可能还有提升空间,另一方面对长尾物品的挖掘可能不那么充分。

 

可以取一天的日志,计算用户推荐列表的平均相似度,平均相似度越大,说明个性化程度越低,相似度越小,说明个性化程度越大。

 

如果用户量较大,可以考虑对用户抽样来进行计算。

 

多样性


推荐系统里面有个信息茧房问题,具体表现为推荐系统是基于用户已有的行为和偏好去寻找和推荐相关内容。然后就会出现你越看某类内容,推送给你这类内容就越多的情况…

 

多样性可以在一定程度上解决这个问题,在用户感兴趣内容的基础上,可以做一些其他兴趣的探索。

 

具体来说可以通过控制各类型的占比或者推荐理由的占比,再结合着一些其他产品策略来保证整体推荐结果的多样性。

 

基尼系数


首先需要知道什么是基尼系数,来看下百度百科的定义:

 

基尼系数是指国际上通用的、用以衡量一个国家或地区居民收入差距的常用指标。


基尼系数最大为“1”,最小等于“0”。基尼系数越接近0表明收入分配越是趋向平等。

 

基尼系数在推荐系统中的应用也是用来衡量平等程度的,越接近于0表示个性化程度越高,越接近于1表示马太效应越严重,即少数的物品占据了绝大多数的流量。

 

最后


 除了上面列的一些指标,可能还会有时效性、健壮性、可解释性等其他指标,不再一一说明。

 

需要说明的是,不同阶段需要重点关注的数据指标是不同的,没必要上来就关注这么多指标,而且选择过多的指标也不利于进行观察和决策。

 

可以先定义清楚当前阶段迫切需要解决的问题,结合着业务特点和目标,再来选择几个合适的数据指标进行衡量。

 

以上,就是本文的主要内容,愿你有所收获,欢迎斧正、指点、拍砖…

 

本文写作过程中,参考了以下作品或资料,主要有:

 

书籍《推荐系统实践》 By 项亮

音频课程 《推荐系统三十六式》 By 邢无刀


王家郴
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
王家郴
王家郴
发表文章135
确认要消耗 0羽毛购买
如何衡量推荐系统的好坏?吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接