我正在构建一个基于内容的电影推荐系统。这很简单，只需让用户输入电影标题，系统就会找到一部具有最相似功能的电影。
在计算相似度并按降序排序后，我找到相应的5个最高相似度得分的电影并返回给用户。
到目前为止，当我想评估系统的准确性时，一切运作良好。我在Google上找到的一些公式只是根据评级值评估准确性（比较预测评级和实际评级，如RMSE）。我没有将相似性得分改为评级（从1到5的比例），所以我不能应用任何公式。
您能否建议将相似度得分转换为预测评分，以便我可以应用RMSE？或者有没有解决这个问题的想法？
答案 0 :(得分：13)
你有任何基本事实吗？例如，您是否有关于用户过去喜欢/看过/购买的电影的信息？它不一定是评级，但为了评估建议，您需要了解有关用户偏好的一些信息。
如果您这样做，那么除了RMSE之外还有其他方法来衡量准确度。当我们预测评级时使用RMSE（正如您所说的那样是实际评级和预测之间的误差），但在您的情况下，您正在生成前N个建议。在这种情况下，您可以使用精确度和召回来评估您的建议。它们非常适用于信息检索应用程序（请参阅Wikipedia），它们在推荐系统中也很常见。您还可以计算F1指标，它是精度和召回的调和平均值。你会发现它们是非常简单的公式，并且很容易实现。