當使用者並不明確自己可能需要某些商品的時候，搜尋引擎的作用開始不那麼明顯，於是就需要推薦引擎來為使用者進行可能感興趣商品的推薦。
如圖，推薦系統可以看作是乙個黑盒子，把使用者以及商品的一些資訊 作為輸入，它就能給相關使用者推薦他們可能會感興趣的商品。
1.根據物件導向的不同
2.根據不同的資料來源
3.根據不同的模型建立方式
其實在實際使用中，很少有推薦引擎使用單一的推薦策略，一般都是在不同的場合下使用不同的推薦策略以達到更好的效果。
推薦系統面臨的主要挑戰主要有：稀疏問題（sparsity problem）、冷啟動問題（cold start problem）、可擴充套件性（scalability）和過度專業化問題（over specialization problem）。
推薦系統簡介
社交網路 個性化閱讀 基於位置的服務 個性化郵件 離線實驗 步驟 通過日誌系統獲得使用者行為資料，並按照一定格式生成乙個標準的資料集 將資料集按照一定的規則分成訓練集和測試集 在訓練集上訓練使用者興趣模型，在測試集上進行 通過事先定義的離線指標評測演算法在測試集上的 結果。優點 不需要有對實際系統的...
推薦系統 簡介
一.簡介 推薦系統本質上是銷售系統的一部分。為了解決資訊過載和使用者無明確需求的問題，找到使用者感興趣物品，才有了個性化推薦。二.組成 推薦系統廣泛存在於各類 中，一般由三部分組成 基礎資料 推薦演算法系統 前台展示。基礎資料報括很多維度，包括使用者的訪問 瀏覽 下單 收藏，使用者的歷史訂單資訊，評...
推薦系統簡介
推薦系統存在的前提 1 資訊過載 2 使用者需求不明確 推薦系統的目標 連線使用者和物品，發現長尾商品 留住使用者和內容生產者，實現商業目標 推薦系統的應用領域推薦系統的評估 使用者 滿足需求 內容提供方 獲取長尾流量，獲得互動和認可 留住使用者，實現商業目標 match rank re rank ...