1）確定你真的需要推薦系統。推薦系統只有在使用者遇到資訊過載時才有必要。若你的**物品不多，或使用者興趣單一，那麼也許並不需要推薦系統。所以不要糾結於推薦系統這個詞，不要為了推薦系統而做推薦系統，而要從使用者的角度出發，設計出能夠真正幫助使用者發現內容的系統。
2）確定商業目標和使用者滿意度之間的關係。對使用者好的推薦系統不代表商業上有用的推薦系統，因此要首先確定使用者滿意的推薦系統和商業上需求的差距。
3）選擇合適的開發人員。一般來說，若是一家大公司，應該僱傭自已的開發人員來專門進行推薦系統的開發。
4）忘記冷啟動的問題。不斷創新，網際網路上有任何你想要的資料。只要使用者喜歡你的產品，他們就會不斷貢獻新的資料。
5）平衡資料和演算法間的關係。使用正確的使用者資料對推薦系統至關重要。對使用者行為資料的深刻理解是設計好推薦系統的必要條件，因此分析資料是設計系統中最重要的部分。資料分析 決定了如何設計模型，而演算法只是決定了最終如何優化模型。
6）找到相關的物品很容易，但是何時以何種方式將它們展現給使用者是很困難的。不要為了推薦而推薦。
7）不要浪費時間計算相似興趣的使用者，可以直接利用社會網路資料。
8）需要不斷地提公升演算法的擴充套件性。
9）選擇合適的使用者反饋方式。
10）設計合理的評測系統，時刻關注推薦系統各方面的效能。
推薦系統實踐讀書筆記
最近大概複習了一下這本書，了解了較早的推薦系統的一些方法，記錄如下，以便大家對本書內容有個快速地了解。略去了第一張，詳細的 和細節可以參考其他部落格。需要關注的地方直接標出了頁碼。書裡面的 不是很完整，用來學習還可以。第八章介紹了一些svd等機器學習的演算法，在2020年的今天可以回顧一下。推薦系統...
《推薦系統實踐》讀書筆記4
為什麼要研究系統的時間特性？不同系統有不同的時效性，有的系統物品的時效性很短，熱起來，很快會冷下去 而有的系統物品的時效性長，具有比較長的生命週期。研究系統的時間特性，能增強系統的有效性推薦。比如推薦新聞，會主要選擇最近時間段發生的新聞事件進行推薦 而推薦旅遊景點，時效性較長 有些也有季節性變化 則...
推薦系統讀書筆記
標籤 空格分隔 演算法 基於內容的推薦 基於知識的推薦 混合推薦方法 主要思想 給定乙個評分資料集和當前 活躍 使用者的id作為輸入,找出與當前使用者過去有相似偏好的其它使用者,這些使用者被稱為對等使用者或最近鄰.物品1物品2 物品3物品4 物品5alice53 44?使用者131 233使用者24...