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，評價資訊等很多資訊；推薦演算法系統主要是根據不同的推薦訴求由多個演算法組成的推薦模型；前台展示主要是對客戶端系統進行響應，返回相關的推薦資訊以供展示。
基礎資料主要包括：
1.要推薦物品或內容的元資料，例如關鍵字，基因描述等；
2.系統使用者的基本資訊，例如性別，年齡等
3.使用者對物品或者資訊的偏好，根據應用本身的不同，可能包括使用者對物品的評分，使用者檢視物品的記錄，使用者的購買記錄等。
其實這些使用者的偏好資訊可以分為兩類：
顯式的使用者反饋能準確的反應使用者對物品的真實喜好，但需要使用者付出額外的代價，而隱式的使用者行為，通過一些分析和處理，也能反映使用者的喜好，只是數 據不是很精確，有些行為的分析存在較大的噪音。但只要選擇正確的行為特徵，隱式的使用者反饋也能得到很好的效果，只是行為特徵的選擇可能在不同的應用中有很 大的不同，例如在電子商務的**上，購買行為其實就是乙個能很好表現使用者喜好的隱式反饋。
三.分類
其實在現在的推薦系統中，很少有只使用了乙個推薦策略的推薦引擎，一般都是在不同的場景下使用不同的推薦策略從而達到最好的推薦效果，例如 amazon 的推薦，它將基於使用者本身歷史購買資料的推薦，和基於使用者當前瀏覽的物品的推薦，以及基於大眾喜好的當下比較流行的物品都在不同的區域推薦給使用者，讓使用者 可以從全方位的推薦中找到自己真正感興趣的物品。
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
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....
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 ...