基于支持向量机的个性化推荐系统的预测准确度

衡量一个个性化推荐系统能否对用户的行为进行准确预测的重要度量指标为“预测准确度”。从个性化推荐系统产生以来，该指标一直都用于对个性化推荐系统推荐准确度的衡量，在所有的评价指标中占据重要地位。该指标是通过离线计算实现，也就是将一个数据集分成两部分(即训练集和测试集)，训练集主要是用来训练用户的偏好模型，然后在测试集上对该模型进行测试，并将预测结果与真实值进行对比，计算两者之间的误差作为预测准确度。针对个性化推荐系统的不同应用场景，下面对几种常用的预测准确度指标进行介绍。

对于评分预测问题，一般是采用均方根误差(RMSE)和平均绝对误差(MAE)对预测的准确度进行衡量。RMSE的定义如下：

其中，u表示用户；i表示项目；rui表示用户u对项目i的真实评分；表示推荐算法通过一定的计算得到的用户u对项目i的预测评分；|T|为目标用户评分的项目个数。

MAE则是采用绝对值来预测误差，其定义如下：

对于TopN的推荐问题，一般是采用准确率(Precision)和召回率(Recall)对推荐系统的预测精度进行衡量。(www.xing528.com)

对于用户u来讲，召回率又称为“查全率”，其定义为该用户喜欢的项目被推荐的概率。也就是推荐系统提供的推荐项目列表中，用户喜欢的项目数量占系统中该用户喜欢的项目总数的比例，其定义如下：

其中，Ntp表示用户真正喜欢并且推荐给用户的项目数量；Nfp表示用户不喜欢但推荐给用户的项目数量；R(u)表示根据用户在训练集上的行为信息计算而得到的推荐列表；T(u)表示根据用户在测试集上的行为信息计算而得到的推荐列表。

推荐结果的准确率又称为“查准率”。对于用户u来讲，推荐准确率定义为推荐系统为该用户推荐的L个项目中，占该用户喜欢的项目的比例，定义如下：