评估基于内容的推荐系统（没有“用户”）

Question

我正在使用FIFA 2020数据集为足球运动员构建一个基于内容的RecSys。在这种情况下，球员是“项目”，他们的得分（头球能力、运球技巧、位置得分等）是“评分”。我已经创建了余弦相似性矩阵来对每个玩家的相似性分数进行排序。我的模型只是为了做到这一点：对于任何给定的玩家，我的模型将显示前5名最相似的其他玩家

我现在正处于评估我的模型的阶段，并且面临一些问题。在线阅读了一些资料后，我发现我可能无法使用RMSE或MAE等统计指标。更合适的方法是精度和召回率（或者更具体地说，平均精度图）

问题是，所有这些评估指标都需要实际用户来验证（例如，实际选择克里斯蒂亚诺·罗纳尔多作为与莱昂内尔·梅西“正确”相似的球员）。回到原始数据集，它不像电影分级/亚马逊项目那样，项目实际上是由不同的用户分级的——FIFA 2020只是每个球员的分数和属性的集合。因此，我无法“预测”另一个用户对另一个玩家的评分，也无法根据该评分进行推荐

因此，我想问一下，是否有其他建议来评估我的模型，就推荐的类似玩家的“正确性”而言？再一次，我的模型的目标是显示任何给定玩家最相似的前5名玩家。