我正在构建一个基于内容的电影推荐系统。它很简单，只需让用户输入电影标题，系统将找到具有最相似特征的电影。
在计算相似度并按降序对分数进行排序后，我找到了5个最高相似度分数的相应电影并返回给用户。
一切都运作良好，直到我想要评估该系统的准确性为止。我在Google上找到的一些公式仅基于评分值来评估准确性（比较预测评分和实际评分，如RMSE）。我没有将相似度分数转换为评分（从1到5的范围），因此无法应用任何公式。
您能否建议一种将相似度分数转换为预测评分的方法，以便我可以应用RMSE？或者是否有任何解决此问题的想法？
你有任何真实数据吗？例如，你是否拥有有关用户过去所喜欢/观看/购买的电影信息？它不必是评级，但为了评估推荐，您需要了解一些关于用户偏好的信息。
如果有，那么除了RMSE之外还有其他方法来衡量准确性。 RMSE用于预测评级（如您所说，是真实评分和预测之间的误差），但在您的情况下，您正在生成前N个推荐。在这种情况下，您可以使用精确度和召回率来评估您的推荐。它们在信息检索应用中非常常见（请参见维基百科），并且在推荐系统中也非常常见。您还可以计算F1指标，它是精确度和召回率的调和平均数。您会发现它们是非常简单的公式，易于实现。
《推荐系统评估》由Guy Shani撰写的一篇论文，介绍了如何评估推荐系统，并将为您提供对所有内容的深入了解。您可以在这里找到该论文。
