JJF 2484-2026 基于用户黏着度的大数据推荐算法测评方法

中华人民共和国国家计量技术规范

JJF2484—2026

基于用户黏着度的大数据推荐算法

测评方法

EvaluationMethodforBigDataRecommendationAlgorithm

BasedonCustomerStickiness

2026⁃‑08⁃‑21发布2027⁃‑02⁃‑21实施

国家市场监督管理总局发布

JJF2484—2026

基于用户黏着度的大数据

推荐算法测评方法

JJF2484—2026

EvaluationMethodforBigDataRecommenda⁃‑

tionAlgorithmBasedonCustomerStickiness

归口单位：全国数字计量技术委员会

主要起草单位：福建省计量科学研究院

中国计量科学研究院

华侨大学

参加起草单位：之江实验室

本规范委托全国数字计量技术委员会负责解释

JJF2484—2026

本规范主要起草人：

郑培强（福建省计量科学研究院）

崔伟群（中国计量科学研究院）

王靖（华侨大学）

参加起草人：

任银垠（之江实验室）

乔波（之江实验室）

张洪博（华侨大学）

叶熙领（福建省计量科学研究院）

JJF2484—2026

目录

引言………………………（Ⅱ）

1范围…………………（1）

2引用文件……………（1）

3术语…………………（1）

4概述…………………（1）

4.1技术指标…………（1）

4.2参考数据集………………………（1）

5技术指标……………（2）

5.1算法标识…………（2）

5.2用户满意度………………………（3）

5.3预测准确度………………………（3）

5.4覆盖率……………（3）

5.5置信度……………（4）

5.6多样性……………（4）

6基于参考数据集的测试结果与表达………………（5）

6.1基于参考数据集的测试流程表达………………（5）

6.2参考结果…………（6）

7测评资料……………（7）

附录A基于用户黏着度的大数据推荐算法测评报告格式…………（8）

Ⅰ

JJF2484—2026

引言

本规范依据《互联网信息服务算法推荐管理规定》（国家互联网信号办公室令

第9号），参考JJF1071—2010《国家计量校准规范编写规则》进行制定。

本规范结合当前我国大数据推荐算法的技术应用现状，制定了通用的大数据推荐

算法技术指标及测评方法。

本规范为首次发布。

Ⅱ

JJF2484—2026

基于用户黏着度的大数据推荐算法

测评方法

1范围

本规范规定了基于用户黏着度的大数据推荐相关软件的算法标识、用户满意度、

预测准确度、覆盖率、置信度、多样性等技术指标及测评方法。

本规范适用于对基于用户黏着度的大数据推荐算法进行测评。

2引用文件

本规范引用了下列文件：

GB/T8567计算机软件文档编制规范

GB/T9385计算机软件需求规格说明规范

GB/T35295—2017信息技术大数据术语

凡是注日期的引用文件，仅注日期的版本适用于本规范；凡是不注日期的引用文

件，其最新版本（包括所有的修改单）适用于本规范。

3术语

3.1用户黏着度customerstickiness

指用户在体验网站、产品或服务后，对其产生的包括但不限于再次使用时长、间

隔时长、频率，或产生消费期望的概率。

3.2大数据bigdata

具有体量巨大、来源多样、生成极快且多变等特征，并且难以用传统数据体系结

构有效处理包含大量数据集的数据。

［来源：GB/T35295—2017，2.1.1］

3.3推荐算法recommendationalgorithm

计算机专业的一种算法，通过分析用户的行为、兴趣和需求，利用数学方法和算

法预测用户可能再次使用的内容、产品、功能。

4概述

4.1技术指标

本规范使用“用户满意度、预测准确度、覆盖率、置信度、多样性”5个评价指

标对推荐算法的推荐合理性进行测评，评价指标的结果数值越高，说明其算法推荐得

越合理。

4.2参考数据集

本规范依据大数据推荐相关内容将推荐信息的数据集划分成参考数据集Ⅰ和参考

1