Netflix Prize

概述

Netflix 2006-2009 年举办的推荐算法竞赛，100 万美元奖金推动矩阵分解技术崛起，彻底改变了推荐系统领域的发展轨迹。

关键内容

1. 竞赛规则：2006 年 10 月发起，挑战是将 Netflix 推荐引擎 Cinematch 的评分预测精度（RMSE）提升 10%。基线 RMSE 为 0.9514，目标为降至 0.8563 以下。公开了 1 亿条评分、48 万用户、17,770 部电影的数据集。
2. 参赛规模：持续近三年（2006-2009），吸引来自 186 个国家超过 40,000 支队伍参赛，是推荐系统历史上规模最大的公开竞赛。
3. 技术革命：竞赛暴露了传统近邻协同过滤的天花板（稀疏度 98.8%），催生了隐因子模型的崛起。2006 年 12 月 Simon Funk 博客发表 FunkSVD，将 RMSE 从 0.9514 降至约 0.896，跃居排行榜第三。
4. 最终结果：2009 年 9 月，BellKor's Pragmatic Chaos 团队以 RMSE 0.8567（10.06% 提升）赢得大奖。另一支队伍 "The Ensemble" 取得完全相同精度，但因晚了 20 分钟提交而失之交臂。
5. 历史影响：竞赛确立了矩阵分解作为推荐系统第一范式的地位，其产生的技术洞察被 Spotify、Amazon、YouTube 等工业界广泛采用。

来源

• 04-matrix-factorization-for-recsys.md — 深度解读 Matrix Factorization Techniques for Recommender Systems
• 05-bpr-bayesian-personalized-ranking.md — BPR 论文时代背景提及

相关

• Netflix — 发起方
• BellKor — 获胜团队
• BellKor's Pragmatic Chaos — 最终获胜队伍
• The Ensemble — 并列但迟到的队伍
• Cinematch — 被超越的基线系统
• 矩阵分解 — 竞赛中确立的主导技术