LibRec团队 · 更新于 2018-11-28 11:00:43

Evaluator

RecommenderEvaluator接口用于实现对特定算法的评估. 目前实现对于ranking的评估器有AUC, AveragePrecision, AverageReciprocalHitRank, Diversity, HitRate, IdealDCG, Normalized, Precision, Recall, REciprocalRank十类评估器. 对于rating实现评估器MAE, MPE, MSE, RMSE四类.

若在配置文件中不进行评估器的指定, 最终评估时使用对应类型的全部评估器.

指定评估器的配置示例:

rating:

rec.recommender.isranking=false
rec.eval.enable=true
rec.eval.class=mse # if rating

ranking:

rec.recommender.isranking=true
rec.eval.enable=true
rec.eval.class=auc
rec.recommender.ranking.topn=10

不同评估器相应的简写见下表

Evaluator configuration
AUCEvaluator auc
AveragePrecisionEvaluator ap
AverageReciprocalHitRankEvaluator arhr
DiversityEvaluator diversity
HitRateEvaluator hitrate
IdealDCGEvaluator idcg
NormalizedDCGEvaluator ndcg
PrecisionEvaluator precision
RecallEvaluator recall
ReciprocalRankEvaluator rr
MAEEvaluator mae
MPEEvaluator mpe
MSEEvaluator mse
RMSEEvaluator rmse

注意, 在评估器进行配置时, 对于rating的算法如果配置ranking的评估期, 可能最后也会生成结果, 但是此评估结果不具有意义, 亦无法与其他算法进行比较. 与rating相比, 使用ranking算法还需要配置rec.recommender.ranking.topn.

在使用java进行实现评估器时, 评估器的实例作为Recommender类中evaluate方法的参数传入Recommender的对象中. 其中Recommender的对象可以为不同的推荐算法. 而RecommenderEvaluator的实例也可以使用不同的评估器. 在Java中也可以采用多种不同的评估器来对结果进行评估, 只需生成相应的评估器即可. 示例代码如下:

RecommenderEvaluator evaluator = new MAEEvaluator();
double evalValue = recommender.evaluate(evaluator);
上一篇: 数据模型 下一篇: FilmTrust数据集