概述
無論是在網際網路上，還是在現實生活中，這兩種方式都大量並存，為互補關係。以在商場買東西為例，如果我們清楚地知道自己想要買什麼、什麼型號、什麼款式、什麼顏色的話，直接去店裡買就好了，這就是「搜尋」；如果我們不太清楚自己需要的東西的大小、型號、款式、**等，那就需要導購來告訴我們哪一款商品符合我們的需求，這就是「推薦」。
從使用者的角度來看，搜尋引擎和推薦系統是使用者獲取資訊的兩種不同手段。搜尋引擎滿足了使用者有明確目的時的主動查詢需求，而推薦系統能夠在使用者沒有明確目的的時候幫助他們發現感興趣的新內容。
馬太效應 & 長尾效應
主流商品往往代表了絕大多數使用者的需求，而長尾商品往往代表了一小部分使用者的個性化需求。而對長尾資源的盤活和利用，恰恰是推薦系統所擅長的。使用者通常對長尾內容是陌生的，無法主動搜尋，只有通過推薦的方式，這些陌生的內容才能引起使用者的注意，引起使用者的興趣。
對生產者來說，盤活長尾資源也非常關鍵。試想一下，如果乙個企業僅僅依靠某一型別商品來吸引人氣，那麼當這類商品不再受歡迎，新的商品還沒有補上來的時候，企業的收益勢必會受到很大波動。依靠推薦系統來充分發掘長尾，滿足使用者個性化、差異化的需求，讓長尾內容在合適的時機**，吸引新的人氣，才能維護企業健康穩定的運轉。
推薦系統分類
內容的推薦
基於協同過濾的推薦
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
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...