我很好奇，基于点击的推荐系统如何在离线测试中衡量callback @ k。
Precision@k=(# of recommended items that are relevant @k)/(# of recommended items at k)
Recall@k = (# of recommended items that are relevant @k)/(total # of relevant items)
基于以上公式。 Precision @ k可以通过（单击的推荐项目数）/（推荐的项目数）来计算，可以从用户历史记录中构建。
但是我不确定如何计算Recall @ k-我们不知道分母，因为我们实际上并不知道“用户要单击的项目总数”。
我的猜测是“用户要单击的项目总数”与“用户在所有项目中单击的项目总数”近似。