推荐系统实践
第一章：好的推荐系统
推荐系统实验方法：
离线实验
用户调查
在线实验：AB测试，将用户分成不同的组，然后不同组里面用不同算法，最后根据后台日志数据库，分析得出哪些算法比较好
推荐系统的测评指标
1、 用户满意度（用户调查，在线实验）
2、 预测准确度（离线）
打分系统：
TOPN 推荐：
准确率和召回率
有的时候，为了全面评测TopN推荐的准确率和召回率，一般会选取不同的推荐列表长度N，
计算出一组准确率/召回率，然后画出准确率/召回率曲线（precision/recall curve）。
3、 覆盖率
消除马太效应
4、 多样性
5、
第2章 利用用户行为数据
皮尔森系数：
pearson是一个介于-1和1之间的值，用来描述两组线性的数据一同变化移动的趋势。
当两个变量的线性关系增强时，相关系数趋于1或-1；当一个变量增大，另一个变量也增大时，表明它们之间是正相关的，相关系数大于0；如果一个变量增大，另一个变量却减小，表明它们之间是负相关的，相关系数小于0；如果相关系数等于0，表明它们之间不存在线性相关关系。
基于用户的协同过滤，jacad距离改进：
