Recommendation — Gợi ý sản phẩm
Bộ chỉ số chuẩn cho hệ gợi ý, kèm cảnh báo vì sao điểm ngoại tuyến hay không khớp kết quả A/B test trực tuyến.
Trục ngang là số mục lấy. Cắt càng sâu thì recall càng tăng và precision càng giảm — chọn k = 5 là chọn một điểm trên đường đánh đổi này, không phải tìm một điểm tối ưu khách quan.
Trong 5 mục gợi ý đầu tiên. Con số này nói về chất lượng màn hình đầu tiên người dùng nhìn thấy, và đó thường là toàn bộ những gì họ nhìn.
Trần của recall@5 là 100% vì chỉ lấy 5 mục cho 4 mục liên quan. So recall với trần đó, đừng so với 100%.
NDCG chia cho thứ hạng lý tưởng nên nó đã chuẩn hoá theo số mục liên quan có thể trúng. Vị trí trúng đầu tiên là thứ người dùng cảm nhận rõ nhất.
Nhãn 'liên quan' lấy từ lịch sử, mà lịch sử chỉ ghi lại những gì hệ cũ đã từng gợi ý. Mục tốt mà hệ cũ chưa bao giờ hiển thị sẽ bị chấm là sai — đó là lý do điểm ngoại tuyến hay lệch khỏi kết quả A/B test.
| F1@5 | 0.6667 |
| Số trúng | 3/5 |
| Vị trí trúng đầu tiên | 1 |
| Chuỗi trúng/trượt | ●○●○● |
| NDCG phạt gì | Trúng ở vị trí thấp có giá trị ít hơn trúng ở đầu |
Trục ngang là số mục lấy. Cắt càng sâu thì recall càng tăng và precision càng giảm — chọn k = 5 là chọn một điểm trên đường đánh đổi này, không phải tìm một điểm tối ưu khách quan.
Mỗi lần trúng đóng góp 1/log₂(vị trí+1). Trúng ở vị trí 1 đáng 1,00 còn trúng ở vị trí 5 chỉ đáng 0.39 — đó là toàn bộ nội dung của việc NDCG phạt thứ hạng thấp.
| Vị trí | Mục | Liên quan | Precision@i | Recall@i |
|---|---|---|---|---|
| 1 | SP04 | có | 1.000 | 0.250 |
| 2 | SP02 | không | 0.500 | 0.250 |
| 3 | SP07 | có | 0.667 | 0.500 |
| 4 | SP09 | không | 0.500 | 0.500 |
| 5 | SP01 | có | 0.600 | 0.750 |
| 6 | SP15 | không | 0.500 | 0.750 |
| 7 | SP12 | có | 0.571 | 1.000 |
| 8 | SP03 | không | 0.500 | 1.000 |
| F1@5 | 0.6667 |
| Số trúng | 3/5 |
| Vị trí trúng đầu tiên | 1 |
| Chuỗi trúng/trượt | ●○●○● |
| NDCG phạt gì | Trúng ở vị trí thấp có giá trị ít hơn trúng ở đầu |
Hệ gợi ý dự đoán sản phẩm khách hàng có khả năng quan tâm. Hai hướng chính: lọc cộng tác (dựa trên hành vi người dùng tương tự) và dựa trên nội dung (dựa trên thuộc tính sản phẩm), thường kết hợp.
| Precision@k / Recall@k | chất lượng danh sách gợi ý |
| Coverage / Diversity | tránh chỉ gợi ý hàng bán chạy |
| CTR và doanh thu tăng thêm | chỉ số trực tuyến quyết định |
Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.
Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.
Hệ gợi ý dự đoán sản phẩm khách hàng có khả năng quan tâm. Hai hướng chính: lọc cộng tác (dựa trên hành vi người dùng tương tự) và dựa trên nội dung (dựa trên thuộc tính sản phẩm), thường kết hợp.
1. Xây ma trận tương tác người dùng–sản phẩm. 2. Phân rã ma trận hoặc dùng mô hình học sâu tuỳ quy mô. 3. Xử lý khởi động lạnh cho người dùng mới và sản phẩm mới. 4. Cân bằng khai thác và khám phá để tránh vòng lặp phản hồi. 5. Đánh giá bằng A/B test trực tuyến, không chỉ bằng chỉ số ngoại tuyến.
Vòng lặp phản hồi: hệ gợi ý sản phẩm phổ biến, sản phẩm đó được xem nhiều hơn, càng phổ biến hơn — đa dạng giảm dần. Chỉ số ngoại tuyến thường không tương quan tốt với kết quả A/B test trực tuyến.
Precision@k / Recall@k — chất lượng danh sách gợi ý; Coverage / Diversity — tránh chỉ gợi ý hàng bán chạy; CTR và doanh thu tăng thêm — chỉ số trực tuyến quyết định.
Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.